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！

龙图腾网获悉南京南自信息技术有限公司申请的专利一种目标检测在线学习动态样本选择方法、系统、计算机设备及储存介质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：CN120997492B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511539105.9，技术领域涉及：G06V10/25；该发明授权一种目标检测在线学习动态样本选择方法、系统、计算机设备及储存介质是由景文林;王龙;王玉琛;宋坤设计研发完成，并于2025-10-27向国家知识产权局提交的专利申请。

本一种目标检测在线学习动态样本选择方法、系统、计算机设备及储存介质在说明书摘要公布了：本发明公开了一种目标检测在线学习动态样本选择方法、系统、计算机设备及储存介质，该方法包括：通过蒙特卡洛Dropout采样获取待筛选样本的分类不确定性和定位不确定性；构建包含分类不确定性、定位不确定性、知识缺口匹配度等多维度特征向量；基于注意力机制构建动态权重学习网络，并结合模型验证集性能指标计算各特征的权重；根据特征权重对样本进行多维度价值评分，并结合算力限制筛选出最优样本子集，以完成模型在线更新。本发明通过多维度特征融合全面评估样本价值，利用动态权重适配不同场景需求，并结合算力感知选样平衡资源消耗与更新效果，有效提升了模型在动态场景中的适应性、检测精度，同时降低了对人工标注的依赖。

本发明授权一种目标检测在线学习动态样本选择方法、系统、计算机设备及储存介质在权利要求书中公布了：1.一种目标检测在线学习动态样本选择方法，其特征在于，包括以下步骤： S1：待筛选样本输入目标检测模型，通过蒙特卡洛Dropout采样，获取所述待筛选样本的分类不确定性Uc与定位不确定性Ul； 所述分类不确定性Uc通过类别概率分布熵计算，公式为，其中pk为第k类别的概率，K为目标检测模型的类别总数； 所述定位不确定性Ul通过检测框坐标的采样方差均值计算，所述检测框坐标包括中心坐标x,y与宽高w,h，计算公式为，分别为对应坐标的采样方差； S2：构建所述待筛选样本的多维度特征向量，所述多维度特征向量至少包括分类不确定性Uc、定位不确定性Ul、知识缺口匹配度Im、标注置信度Sa及场景稀缺性Sc； 所述知识缺口匹配度Im通过信息论互信息计算，公式为Im=X;M，其中X为待筛选样本的特征，具体为目标检测模型骨干网络，所述目标检测模型骨干网络为ResNet-50或YOLOv8-backbone，输出的高维全局特征向量；M为目标检测模型历史训练样本的特征分布，通过高斯混合模型GMM拟合，所述GMM的分量数通过贝叶斯信息准则BIC确定； 所述标注置信度Sa的确定方式为：若待筛选样本为人工标注，Sa=1；若为弱标注，Sa=1-标注误差率，所述标注误差率通过历史标注验证集计算，具体为：选取N个弱标注样本作为验证集，N≥100，人工复核确定错误标注样本数量n，标注误差为nN； 所述场景稀缺性Sc通过待筛选样本所属场景的历史占比倒数计算，公式为Sc=1countsceneX，countsceneX为该场景在目标检测模型历史训练集中的样本数量； S3：基于注意力机制构建动态权重学习网络，结合目标检测模型在线更新后的验证集性能指标，计算所述多维度特征向量中各特征的权重； S4：根据步骤S3计算的特征权重，对所述待筛选样本进行多维度价值评分，筛选价值评分Top-K的样本形成最优样本子集，所述K为基于在线学习算力限制确定的选样数量； S5：将所述最优样本子集输入目标检测模型完成在线更新。

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南京南自信息技术有限公司，其通讯地址为：210012 江苏省南京市雨花台区宁南大道310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。