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！

龙图腾网获悉上海工程技术大学申请的专利基于人工智能的目标检测方法以及装置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：CN114998597B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202210470565.0，技术领域涉及：G06V10/40；该发明授权基于人工智能的目标检测方法以及装置是由胡梦婷;范涛设计研发完成，并于2022-04-28向国家知识产权局提交的专利申请。

本基于人工智能的目标检测方法以及装置在说明书摘要公布了：本发明公开了基于人工智能的目标检测方法以及装置，属于图形图像处理领域，该检测方法具体步骤如下：1采集并过滤目标图片；2对目标图片进行特征提取；3依据特征信息进行目标识别；4对识别结果进行检测优化；5反馈并存储优化方案；本发明能够对多余的目标图片进行筛选过滤，大幅提高其目标检测效率，同时采取卷积神经网络对目标图片特征进行分割提取，提高目标图片的信息提取完整性，能够自行对错误的目标检测结果进行纠错，无需工作人员人工查找，减少工作人员工作量，提高工作效率，方便工作人员使用。

本发明授权基于人工智能的目标检测方法以及装置在权利要求书中公布了：1.基于人工智能的目标检测方法，其特征在于，该检测方法具体步骤如下： 1采集并过滤目标图片：采集一组或多组目标图片，并构建数据筛选器，同时将各组目标图片导入数据筛选器中进行数据清洗； 2对目标图片进行特征提取：构建卷积神经网络，并将过滤完成的目标图片导入卷积神经网络中进行目标特征提取，同时将提取出的各组特征数据整合归类为特征数据集； 3依据特征信息进行目标识别：人工智能接收特征数据集，并依据特征数据集中各组特征数据进行识别分析，并记录各组识别结果； 4对识别结果进行检测优化：收集各组识别结果，同时对其识别准确性进行分析，并记录错误的识别结果，之后对错误的识别结果进行二次分析，同时对原有识别方案进行优化调整； 5反馈并存储优化方案：将识别结果反馈给工作人员，同是将优化完成的识别方案上传至云端数据库中进行存储反馈； 步骤1中所述数据清洗具体步骤如下： 步骤一：计算机通过外部摄像头采集各组目标图片，之后数据筛选器按照各组目标图片相对应的数据源对目标图片进行分类； 步骤二：将不同数据源的各组目标图片导出成为指定格式的文本文件或者其他格式的文件类型，再对得到的目标图片文件进行抽取； 步骤三：对抽取的各组目标图片文件通过对缺失数据、重复数据、异常数据处理以及不一致数据整理以对采集的各组目标图片中无法识别、存在冗余的目标图片进行过滤； 步骤2中所述特征提取具体步骤如下： 第一步：卷积神经网络根据目标相对应的拓扑结构，按照不同的均分标准将得到的特征图水平分割为多个局部特征，并将相同标准下获得的局部特征归属于同一个小组； 第二步：构建邻接矩阵对各组局部区域进行增强，并使每一个局部特征初步学习到其他局部特征的信息，同时对上下分支进行卷积操作并进行拼接； 第三步：利用残差网络的思想将各组局部区域进行特征融合即得到一个经过浅层关系增强的局部特征，同时将同一目标图片的各组局部特征进行数据拼接以生成对应全局特征； 步骤3中所述识别分析具体步骤如下： S1.1：人工智能从特征数据集中按照采集时间先后顺序提取全局特征，同时与互联网进行通信连接； S1.2：依据目标图片的全局特征，从数据存储库或互联网中查询相关信息，并确定该目标图片相对应的物体信息，并构建分析记录表以记录目标图片信息以及分析结果； 步骤4中所述准确性分析具体步骤如下： S2.1：构建分析神经模型，并将分析记录表导入分析神经模型，同时分析神经模型提取分析记录表中的各组信息以构建模拟数据集，并选取一个模拟数据作为验证数据，并重复多次使用该验证数据来验证该分析神经模型的精度； S2.2：对于每一组模拟数据，选取任意一个子集作为测试集，再取剩余子集作为训练集，并对每组数据都进行一次预测，并将预测结果最好的数据作为最优参数输出； S2.3：依据最优参数对训练数据集进行标准化处理，最后将训练样本输送到分析神经模型中，同时训练完成的分析神经模型进行迭代训练； S2.4：依据分析神经模型的训练结果绘制对应曲线图，同时依据曲线图对目标检测存在误差的目标图片以及分析结果进行提取，并将提取出的各组数据整合归类生成纠错数据集； S2.5：对纠错数据集进行二次检测分析，并将无法检测出的数据反馈给工作人员进行人工分析，同时统计检测目标总数、检测错误数量以检测正确数量，并绘制检测错误以及检测正确占比饼图； 步骤4中所述优化调整具体步骤如下： P1：优化更新模块收集分析神经模型生成的曲线图，并将人工智能原有识别方案进行提取，同时与外部服务器端口进行数据连接； P2：同时对收集到的各组数据进行归一化处理，同时依据处理结果绘制相关离散模型，并将纠错完成后的各组目标数据导入优化更新模块； P3：优化更新模块从外部服务器中提取一组或多组识别方案，同时测试其检测正确率，并将正确率最高的识别方案与原有识别方案进行归纳整合，同时对原有方案中的目标检测参数依据分析神经模型输出的最佳参数进行更新，将原有的识别方案替换为整合生成的最新识别方案。

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上海工程技术大学，其通讯地址为：201620 上海市松江区龙腾路333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。