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！

龙图腾网获悉华南理工大学申请的专利一种自适应消除分类负梯度的长尾目标检测方法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：CN116597197B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202310385754.2，技术领域涉及：G06V10/764；该发明授权一种自适应消除分类负梯度的长尾目标检测方法是由许玉格;吕传龙设计研发完成，并于2023-04-11向国家知识产权局提交的专利申请。

本一种自适应消除分类负梯度的长尾目标检测方法在说明书摘要公布了：本发明公开了一种自适应消除分类负梯度的长尾目标检测方法，包括：1构建长尾目标检测模型，获取长尾数据集，将训练图像输入模型，对预测结果计算分类损失和定位损失，分类损失由自适应消除尾部类负梯度的损失函数计算得到，将分类损失和定位损失加权求和得到长尾学习总损失值；2利用长尾学习总损失值进行梯度反传和参数更新，完成所有轮次训练后，保存性能最优的模型参数，得到最优的长尾目标检测模型；3将测试集中的待检测图像输入优先模型，得到待检测图像中物体类别和位置的预测结果。本发明能够根据输出概率自适应地消除对尾部类的负梯度，有助于解决因尾部类学习不足导致的假阳性问题，提高目标检测模型性能。

本发明授权一种自适应消除分类负梯度的长尾目标检测方法在权利要求书中公布了：1.一种自适应消除分类负梯度的长尾目标检测方法，其特征在于，包括以下步骤： 1构建由主干网络、区域生成网络和检测头组成的长尾目标检测模型；获取长尾数据集并分为训练集、验证集和测试集；从训练集中采样训练图像和标签，将图像输入给长尾目标检测模型，由主干网络提取出图像的特征图，并由区域生成网络生成可能含有物体的提议区域，提议区域映射到特征图上后缩放到统一大小，最后检测头预测提议区域的结果；对预测结果计算分类损失和定位损失，其中分类损失由自适应消除尾部类负梯度的损失函数计算得到，将分类损失和定位损失进行加权求和，得到长尾学习总损失值； 每一提议区域的分类损失计算为： ； ； 式中，代表单个提议区域的分类损失；代表类别数；是region的首字母，代表提议区域；为第j类的概率值；代表第j类的预测值，当提议区域属于第j类时，则等于，否则等于；代表提议区域的标签，在提议区域属于第j类时为1，否则为0；代表第j类的权重系数；为第j类的样本频率，由计算得到，其中为第j类的样本数量，为总样本数量；、和分别代表前背景判别函数、频率判别函数和概率判别函数，其公式表达分别为： ； ； ； 式中，代表频率阈值；代表概率阈值，取值都在[0,1]之间； 负梯度消除操作为：在长尾目标检测模型训练时，经过特征提取、区域生成、分类定位之后得到若干提议区域属于每一类的概率值，若同时满足条件：该提议区域为前景，第j类为尾部类即样本频率小于阈值，该提议区域不属于第j类，并且其类别输出概率小于阈值，则将第j类项的分类损失值置0，以此消除对第j类的负梯度； 根据输出概率自适应消除尾部类的负梯度，若因尾部类输出概率高造成假阳性，则不消除尾部类负梯度，否则消除 2利用得到的长尾学习总损失值对长尾目标检测模型进行梯度反传和参数更新；每完成一轮完整的训练，利用验证集对模型进行性能评估；完成所有轮次训练后，保存性能最优的模型参数，得到最优的长尾目标检测模型； 3将测试集中的待检测图像输入训练好的长尾目标检测模型，即可得到待检测图像中物体类别和位置的预测结果。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。