买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东工业大学申请的专利一种基于YOLO架构的目标检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120451497B 。

龙图腾网通过国家知识产权局官网在2025-12-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510529323.8，技术领域涉及：G06V10/25；该发明授权一种基于YOLO架构的目标检测方法及系统是由廖家标;李珍妮设计研发完成，并于2025-04-25向国家知识产权局提交的专利申请。

本一种基于YOLO架构的目标检测方法及系统在说明书摘要公布了：本发明公开了一种基于YOLO架构的目标检测方法及系统，属于人工智能技术领域，能够提升复杂场景下多尺度目标的检测精度；包括通过初始YOLO模型对有标签训练图像和无标签训练图像进行目标检测，生成第一检测结果；基于教师模型对无标签训练图像进行分类，生成伪标签；根据第一检测结果的置信度筛选超过预设置信度阈值的高置信度检测框，并基于高置信度检测框的数量分布动态调整初始YOLO模型中分类检测头、回归检测头和置信度检测头的权重系数，生成权重优化后的目标检测模型；计算有标签训练图像的检测误差和无标签训练图像的伪标签误差，并根据两者加权求和结果迭代更新权重优化后的目标检测模型；基于更新后的目标检测模型对待检测图像进行目标检测。

本发明授权一种基于YOLO架构的目标检测方法及系统在权利要求书中公布了：1.一种基于YOLO架构的目标检测方法，其特征在于，包括以下步骤： 获取有标签训练图像和无标签训练图像； 通过初始YOLO模型对所述有标签训练图像和无标签训练图像进行目标检测，生成第一检测结果，所述第一检测结果包括分类结果、检测框坐标及置信度； 基于教师模型对所述无标签训练图像进行分类，生成伪标签； 根据所述第一检测结果的置信度筛选超过预设置信度阈值的高置信度检测框，并基于高置信度检测框的数量分布动态调整所述初始YOLO模型中分类检测头、回归检测头和置信度检测头的权重系数，生成权重优化后的目标检测模型； 利用有监督损失函数和无监督损失函数分别计算所述有标签训练图像的检测误差和所述无标签训练图像的伪标签误差，并根据所述检测误差和所述伪标签误差加权求和结果迭代更新所述权重优化后的目标检测模型； 基于更新后的目标检测模型对待检测图像进行目标检测，得到所述待检测图像的识别结果； 基于高置信度检测框的数量分布动态调整所述初始YOLO模型中分类检测头、回归检测头和置信度检测头的权重系数，生成权重优化后的目标检测模型的步骤包括： 根据所述第一检测结果的置信度，统计所述分类检测头、回归检测头和置信度检测头输出的检测框中超过预设置信度阈值的数量； 基于统计的所述分类检测头、回归检测头和置信度检测头输出的检测框中超过预设置信度阈值的数量计算分类检测头、回归检测头和置信度检测头的权重比例，并将所述权重比例归一化为权重系数； 将所述权重系数分别与对应检测头的输出特征进行加权融合，生成权重优化后的目标检测模型； 所述基于统计的所述分类检测头、回归检测头和置信度检测头输出的检测框中超过预设置信度阈值的数量计算分类检测头、回归检测头和置信度检测头的权重比例，并将所述权重比例归一化为权重系数的步骤包括： 通过如下公式计算各检测头的初始权重比例： 式中，ri表示第i个检测头的初始权重比例，i＝1,2,3分别对应分类、回归、置信度检测头；ni表示第i个检测头统计的高置信度检测框数量；N为所有检测头的总数量，满足N＝n1+n2+n3； 通过Softmax函数对所述初始权重比例进行归一化处理，生成归一化后的权重系数，所述Softmax函数满足： 式中，wi表示第i个检测头的归一化权重系数；j为检测头索引，取值范围与i一致。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东工业大学，其通讯地址为：511400 广东省广州市番禺区小谷围街广州大学城外环西路100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。