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！

龙图腾网获悉杭州华橙软件技术有限公司申请的专利模型训练方法、目标检测方法、装置以及可读存储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：CN116090517B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202211734826.1，技术领域涉及：G06N3/0464；该发明授权模型训练方法、目标检测方法、装置以及可读存储介质是由郑嘉俊;张诚成;马子昂设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本模型训练方法、目标检测方法、装置以及可读存储介质在说明书摘要公布了：本申请提供一种模型训练方法、目标检测方法、目标检测装置以及计算机可读存储介质。该模型训练方法包括：将第一阶段处理层融合为一个逐通道卷积层，逐通道卷积层的模型参数由第一模型参数、第二模型参数以及第三模型参数叠加所得；将第二阶段处理层融合为一个卷积层，卷积层的模型参数由第四模型参数和第五模型参数叠加所得；利用融合后的逐通道卷积层和卷积层所组成的处理层替换待训练模型中的各个处理层。通过上述方式，目标检测装置通过训练时，使用多路结构，追求模型的高性能、高精度；推理时，基于结构重参数化思想对网络重构，转换为单路结构，保留了多分支结构网络的高性能优点，降低了模型参数量和运行模型所需的内存资源以及计算资源。

本发明授权模型训练方法、目标检测方法、装置以及可读存储介质在权利要求书中公布了：1.一种模型训练方法，其特征在于，所述模型训练方法包括： 获取待训练模型训练后各个处理层的模型参数，其中，所述处理层包括第一阶段处理层和第二阶段处理层； 基于所述模型参数获取所述第一阶段处理层中第一逐通道卷积层分支的第一模型参数，第二逐通道卷积层分支的第二模型参数，以及第一批量归一化层分支的第三模型参数； 将所述第一阶段处理层转换为单路结构，融合为一个逐通道卷积层，其中，所述逐通道卷积层的模型参数由所述第一模型参数、所述第二模型参数以及所述第三模型参数叠加所得； 基于所述模型参数获取所述第二阶段处理层中卷积层分支的第四模型参数，以及第二批量归一化层分支的第五模型参数； 将所述第二阶段处理层转换为单路结构，融合为一个卷积层，其中，所述卷积层的模型参数由第四模型参数和第五模型参数叠加所得； 利用融合后的所述逐通道卷积层和融合后的所述卷积层所组成的处理层替换所述待训练模型中的各个处理层，输出替换后的目标检测模型； 所述待训练模型包括主干网络模块、特征增强提取模块、辅助头以及引导头，其中，所述主干网络模块以及所述特征增强提取模块分别包括若干处理层； 所述模型训练方法还包括： 将待训练图像输入所述主干网络模块，利用所述主干网络模块依次叠加的若干处理层提取不同降采样分辨率的输出特征图，包括第一输出特征图、第二输出特征图以及第三输出特征图； 将所述第一输出特征图、所述第二输出特征图以及所述第三输出特征图输入所述特征增强提取模块，将所述第三输出特征图与所述第二输出特征图进行通道维度融合，获取第四输出特征图； 将所述第四输出特征图与所述第一输出特征图进行通道维度融合，获取第一候选特征图； 将所述第一候选特征图与所述第三输出特征图进行通道维度融合，获取第二候选特征图； 将所述第二候选特征图与所述第四输出特征图进行通道维度融合，获取第三候选特征图； 利用所述处理层分别对所述第一候选特征图、所述第二候选特征图以及所述第三候选特征图进行特征提取，获取第一预测特征图、第二预测特征图以及第三预测特征图； 利用所述处理层分别对所述第一候选特征图、所述第四输出特征图以所述第三输出特征图进行特征提取，获取第四预测特征图、第五预测特征图以及第六预测特征图 将所述第一预测特征图、所述第二预测特征图以及所述第三预测特征图输入引导头进行预测，获取所述引导头的第一损失函数值； 将所述第四预测特征图、所述第五预测特征图以及所述第六预测特征图输入辅助头进行预测，获取所述辅助头的第二损失函数值； 利用所述第一损失函数值和所述第二损失函数值对所述待训练模型进行训练，得到多路结构的检测网络。

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杭州华橙软件技术有限公司，其通讯地址为：310051 浙江省杭州市滨江区长河街道立业路582号3号楼15层；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。