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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于深度学习的智能物体检测方法、系统、终端及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：CN115761447B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202211511006.6，技术领域涉及：G06V10/82；该发明授权基于深度学习的智能物体检测方法、系统、终端及介质是由张逸;李修和;冉金和;沈阳;林忠伟;郭强;桂树;赵顺凯;石倩倩;戴少奇设计研发完成，并于2022-11-29向国家知识产权局提交的专利申请。

本基于深度学习的智能物体检测方法、系统、终端及介质在说明书摘要公布了：本申请涉及一种基于深度学习的智能物体检测方法、系统、终端及介质。所述方法包括：获取包括参考图像和目标图像的图像对，根据检测时间和检测重合率精度从多种物体检测方法中确定正解方法，并采用正解方法对图像对进行标记，构建包括图像对和正解方法的训练数据集，将训练数据集输入预先构建的深度孪生网络得到预测正解方法；将预测正解方法与正解方法输入预先构建的损失函数对深度孪生网络进行训练，得到训练好的深度孪生网络；将待检测图像对输入训练好的深度孪生网络得到最优检测方法，根据最优检测方法对待检测图像对进行检测，得到目标物体。采用本方法能够针对不同的场景时智能地选择最优的物体检测方法进行检测，具有良好的普适性。

本发明授权基于深度学习的智能物体检测方法、系统、终端及介质在权利要求书中公布了：1.一种基于深度学习的智能物体检测方法，其特征在于，所述方法包括： 获取包括参考图像和目标图像的图像对，随机选择一种物体检测方法对所述图像对进行物体检测，得到检测结果和检测时间，将所述检测结果与所述图像对的正解结果进行比较，得到检测结果重合率，根据所述检测结果重合率和检测时间进行计算，得到所述图像对的正解方法，根据所述正解方法对所述图像对进行标记，构建包括所述图像对和正解方法的训练数据集； 将所述训练数据集输入预先构建的深度孪生网络进行计算，得到预测正解方法；其中，所述深度孪生网络包括主干网络、融合网络以及分类器；根据两组结构相同的所述主干网络中的注意力网络对所述图像对进行投票赋权，提取得到参考图像特征和目标图像特征；根据所述融合网络融合所述参考图像特征和目标图像特征，得到最终特征；根据所述分类器对所述最终特征进行处理，得到预测正解方法； 将所述预测正解方法与所述正解方法输入预先构建的损失函数进行计算，根据所述损失函数对所述深度孪生网络进行训练，得到训练好的深度孪生网络； 将待检测图像对输入训练好的深度孪生网络进行计算，得到最优检测方法，根据所述最优检测方法对所述待检测图像对进行检测，得到目标物体； 其中，根据两组结构相同的所述主干网络中的注意力网络对所述图像对进行投票赋权，提取得到参考图像特征和目标图像特征，包括： 根据所述参考图像中目标物体的位置区域设置目标区域模版，根据所述目标区域模版对所述参考图像和目标图像中的同一位置进行框选； 根据所述注意力网络判断所述图像对的目标区域模版中同一像素点的区别，根据区别大小对所述像素点进行投票，得到投票结果； 将所述投票结果与预先设置的投票判断阈值进行比较，根据比较结果对所述像素点赋予权重； 其中，将所述预测正解方法与所述正解方法输入预先构建的损失函数进行计算，根据所述损失函数对所述深度孪生网络进行训练，得到训练好的深度孪生网络，包括： 预先构建的损失函数表示为 其中，表示指示函数，N为图像对的数量，表示预测正解方法，为目标物体在参考图像中的位置，表示正解方法； 将所述预测正解方法与所述正解方法输入所述损失函数进行计算，根据所述损失函数对所述深度孪生网络进行训练，得到训练好的深度孪生网络。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。