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！

龙图腾网获悉厦门路桥信息股份有限公司申请的专利一种基于候选框权重重分配的弱监督目标检测方法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：CN115311516B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202210916303.2，技术领域涉及：G06V10/774；该发明授权一种基于候选框权重重分配的弱监督目标检测方法是由吴福森;林勇泉;许碧云;于征;李伟佳;杨雪薇设计研发完成，并于2022-08-01向国家知识产权局提交的专利申请。

本一种基于候选框权重重分配的弱监督目标检测方法在说明书摘要公布了：本发明公开一种基于候选框权重重分配的弱监督目标检测方法，包括以下步骤：步骤一，图片采集处理；步骤二，模型训练；步骤三，收敛验证；步骤四，模型推理；本发明从弱监督角度出发，利用只有图像层面的弱标注的图片学习目标检测，利用Grad‑CAM信息挖掘出特征图中潜在的目标位置，接着将Grad‑CAM信息转化为边缘－前景响应图进一步分析候选框与图中高激活区域的空间位置关系，对于正确定位在目标完整轮廓位置的候选框赋予更大的学习权重，对于边框落在目标内部的候选框权重值进行抑制，并缓解基准框信息的缺失导致弱监督目标检测模型通常容易陷入局部最优问题，有效的改进了原有弱监督目标检测模型，提升了检测性能和准确性。

本发明授权一种基于候选框权重重分配的弱监督目标检测方法在权利要求书中公布了：1.一种基于候选框权重重分配的弱监督目标检测方法，包括以下步骤：步骤一，图片采集处理；步骤二，模型训练；步骤三，收敛验证；步骤四，模型推理；其特征在于： 其中在上述步骤一中，首先采集训练使用的图片作为训练集，随后对训练集的图片进行定义，将图片I分成R个候选框，预测类别数为C； 其中在上述步骤二中，当步骤一中的图片采集处理完成后，进行模型训练，训练步骤包括： 1初始化卷积神经网络； 2神经网络前向传播获得图像的特征图； 3分类分支前向传播并获得Grad-CAM信息； 4根据Grad-CAM信息为特征图中每个像素值分配类别伪标签，令是空间位置i,j上关于类别的激活值，其中，C为类别集合，c为类别索引，c=0表示背景类别； 5通过一个尺寸为w的滑动窗口扫描上述Grad-CAM，令为以中心位置i,j所对应的窗口包含类别为c的像素点数量，则每个滑窗区域的统计量计算公式为： ； 6若滑窗中心像素点满足以下条件，则视其为目标边缘点：第一、滑窗内包含足够多相同类别的像素点；第二、滑窗内包含的前景类别像素和背景类别像素的个数相近，定义和分别对应两个条件中的阈值； 7若滑窗中心像素点满足以下条件，则视为目标前景点：第一、滑窗内包含足够多相同类别的像素点；第二、滑窗内包含的前景类别像素和背景类别像素的个数差异足够大，定义和分别对应两个条件中的阈值； 8通过候选框四条边框位置所对应的像素点分配的边缘标签和前景标签，计算每个候选框的边缘－前景响应权重； 9结合候选框的权值来计算目标检测分支的损失，得出损失的结果； 其中在上述步骤三中，当步骤二中的损失结果得出后，使用随机梯度下降算法更新参数，随后重复步骤二中的2-9小步骤，直至模型收敛位置，随后带入训练完成的模型中进行测试，合格后完成模型的训练； 其中在上述步骤四中，当步骤三中的模型训练完成后，利用训练完成的模型对目标进行推理检测，首先初始化卷积神经网络，随后神经网络前向传播获得图像的特征图，继而质量分析模块获得候选框稳定性得分并进行候选框过滤，最后目标检测分支前向传播并获得目标检测结果。

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厦门路桥信息股份有限公司，其通讯地址为：361022 福建省厦门市软件园三期诚毅大街370号1801单元、1802单元、1803单元、1804单元；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。