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！

龙图腾网获悉珠海一微半导体股份有限公司申请的专利一种YOLO算法模型训练方法、目标检测方法、芯片及机器人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：CN116912570B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202310848452.4，技术领域涉及：G06V10/764；该发明授权一种YOLO算法模型训练方法、目标检测方法、芯片及机器人是由游思遐;黄惠保;周和文;陈锦杰;张子倩设计研发完成，并于2023-07-12向国家知识产权局提交的专利申请。

本一种YOLO算法模型训练方法、目标检测方法、芯片及机器人在说明书摘要公布了：本发明公开一种YOLO算法模型训练方法、目标检测方法、芯片及机器人，该训练方法包括：步骤1：获取数据集；步骤2：对数据集中的全部数据进行随机尺寸变换处理；步骤3：将随机尺寸变换处理后的数据集导入YOLO算法模型中进行一次训练；步骤4：采用K‑means锚框优化算法对随机尺寸变换处理后的数据集进行自适应锚框优化处理，以更新用于YOLO算法模型训练的最优锚框尺寸；重复上述步骤2至4，直至YOLO算法模型训练次数达到第一预设次数，输出最优YOLO算法模型，完成YOLO算法模型训练流程。本发明将K‑mean锚框优化算法结合到YOLO算法模型训练过程中，有效减少步骤，同时提高锚框尺寸的适配度，从而有效提高YOLO算法模型的训练效果，训练后的YOLO算法模型的目标检测效果更优。

本发明授权一种YOLO算法模型训练方法、目标检测方法、芯片及机器人在权利要求书中公布了：1.一种YOLO算法模型训练方法，其特征在于，所述YOLO算法模型训练方法包括以下步骤： 步骤1：获取数据集； 步骤2：对数据集中的全部数据进行随机尺寸变换处理； 步骤3：将随机尺寸变换处理后的数据集导入YOLO算法模型中进行一次训练； 步骤4：采用K-means锚框优化算法对随机尺寸变换处理后的数据集进行自适应锚框优化处理，以更新用于YOLO算法模型训练的一组最优锚框尺寸； 重复上述步骤1至4，直至YOLO算法模型训练次数达到第一预设次数，输出最优YOLO算法模型，完成YOLO算法模型训练流程； 其中，数据集是指附带有标注框的图像数据的集合； 其中，所述对数据集中的全部数据进行随机尺寸变换处理的方法，具体包括：随机从预设尺寸变换范围内选取一个尺寸变换值；将数据集中的全部数据的尺寸由原尺寸变换为原尺寸与尺寸变换值的乘积； 其中，所述采用K-means锚框优化算法对经过一次训练后的数据集进行自适应锚框优化处理的方法，具体包括： 步骤41：对随机尺寸变换处理后的数据集中全部数据上的标注框尺寸进行标准化处理； 步骤42：采用K-means聚类算法对随机尺寸变换处理后的数据集进行聚类，获取一组n种锚框尺寸的锚框； 步骤43：基于n种锚框尺寸以及指定锚框召回值计算该一组n种锚框尺寸的适配度，判断该一组n种锚框尺寸的适配度是否大于指定组n种锚框尺寸的适配度，若是，则将该一组n种锚框尺寸更新并作为一组最优锚框尺寸输出；若否，则将指定组n种锚框尺寸作为一组最优锚框尺寸输出； 其中，当所述自适应锚框优化处理方法第一次运行时，则所述指定组n种锚框尺寸为预设的一组锚框尺寸；当所述自适应锚框优化处理方法不是第一次运行时，则所述指定组n种锚框尺寸为上一次运行自适应锚框优化处理方法时输出的一组最优锚框尺寸； 其中，所述基于n种锚框尺寸以及指定锚框召回值计算该一组n种锚框尺寸的适配度的方法，包括：基于数据集中每一幅数据的标注框尺寸依次计算该一幅数据的标注框尺寸与n种锚框尺寸的差距倍数，选取其中与该一幅数据的标注框尺寸的差距倍数最大的一种锚框尺寸，并将两者的差距倍数记录为该一幅数据的最大差距倍数，将数据集中记录的最大差距倍数大于指定阈值召回值的数据数量除以数据集的全部数据上的锚框总数量，其商为该一组n种锚框尺寸的锚框的适配度。

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珠海一微半导体股份有限公司，其通讯地址为：519000 广东省珠海市横琴新区环岛东路3000号2706；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。