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！

龙图腾网获悉长沙理工大学申请的专利一种改进YOLOv8x训练精度的影像特征识别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：CN116597272B 。

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：202310480327.2，技术领域涉及：G06V10/82；该发明授权一种改进YOLOv8x训练精度的影像特征识别方法是由李文军;蒋林君;邝利丹;梁伟军;杨红忠设计研发完成，并于2023-04-28向国家知识产权局提交的专利申请。

本一种改进YOLOv8x训练精度的影像特征识别方法在说明书摘要公布了：一种改进YOLOv8x训练精度的影像特征识别方法，属于计算机视觉与医疗图像相结合的领域。在YOLOv8x的基础卷积网络中添加ECA模块，并在ECA模块中配置RepVgg重构网络结构，在推理及部署时利用重参数化技术将多分支结构转化为单路结构，更好地降低计算开销和提升速度；同时增加ESE注意力机制EffectiveSqueeze‑and‑ExcitationBlock，减少一个FC层，维护特征通道信息，进一步改善模型的收敛能力和执行速度。本发明较原版的YOLOv8x在精确率、召回率、F1等指标表现中更加出色，且执行速率在一定程度上得到提高。

本发明授权一种改进YOLOv8x训练精度的影像特征识别方法在权利要求书中公布了：1.一种提高YOLOv8x训练精度的医学图像特征识别方法，其特征包括以下步骤： 第一步：在ultralytics\models\v8中创建experimentral.py文件，并增加RepVgg重构网络结构，同时修改其输入输出及步长参数； 第二步：在第一步的experimentral.py文件中添加Eca模块，根据它的__init__方法调整参数，同时在ultralytics\models\v8\yolov8x.yaml配置文件中修改其参数； 第三步：ultralytics\models\v8中创建Myblock.py解析文件，并在其加入解析Eca模块的代码； 第四步：在yolov8x.yaml文件中YOLOv8.0xhead处增加检测层代码； 第五步：进行注意力机制的调整，在ultralytics\nn中创建EseAttention.py文件，并写入EffectiveSqueeze-and-ExcitationBlock代码； 第六步：在ultralytics\nn\task.py中添加导入第五步中注意力机制语句，fromultralytics.nn.EseAttentionimportEseAttention，同时调整该文件中parse_model方法中的代码； 第七步：在ultralytics\models\v8\yolov8x.yaml文件中，根据不同卷积层尺度大小，从YOLOv8.0xbackbone开始调整下采样的参数，同时从YOLOv8.0xhead调整上采样的参数； 第八步：在ultralytics\中创建main.py文件，对实验影像数据集进行图像去噪和增强处理，完成数据的预处理操作；同时构建基于ESE注意力机制组合RepEca网络结构的YOLOv8x模型对象，并加载运行此时的解析文件Myblock.py； 第九步：根据混淆矩阵中TP、FP、TN、FN数值计算检测器预测为正样本的样本中含有真正的正样本比例Precision，如式1；计算所有真正的正样本都被检测器预测为正样本的比例Recall，如式2 1； 2； 第十步：根据第九步中Precision和Recall计算F度量值，如式3；它用于比较给定数据集上不同模型的性能，是评估模型性能的有用指标； 3； 第十一步：由第十步中PR曲线Presicion-Recall曲线与X轴的面积得到数据集中某一个特征类别模型精度AP值，同时评估整个数据集中在不同loU阈值设定下所有类的平均精度值mAP，用以衡量多个类的检测好坏；第十二步：结合第二步和第七步yolov8x.yaml文件中backbone和head下参数的变化，执行第八步代码，比较每次变化下该模型在第九步到第十一步的评估指标大小； 第十三步：跳转到第七步调整采样参数，继续迭代执行到最后一步，直到当前模型和其他目标检测模型结果对比能达到最好的优化状态就结束。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市雨花区万家丽南路560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。