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！

龙图腾网获悉南京大学申请的专利一种轻量化卷积神经网络目标检测的实现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：CN115311467B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202110491535.3，技术领域涉及：G06V10/764；该发明授权一种轻量化卷积神经网络目标检测的实现方法是由阮雅端;朱珂昕;王锐;孟凡泽;徐沁心;陈钊正;陈启美设计研发完成，并于2021-05-06向国家知识产权局提交的专利申请。

本一种轻量化卷积神经网络目标检测的实现方法在说明书摘要公布了：一种轻量化卷积神经网络目标检测的实现方法，对目标检测模型的锚点框、骨干网络和检测头分别进行轻量化，轻量化锚点框改进了最大交并比训练样本匹配策略，缓解不同目标间正样本数量不平衡问题，在提高检测精度的同时，可大幅削减锚点框的密度；采用轻量卷积神经网络ShuffleNetV2为骨干网络，增加通道注意力模块，对通道特征进行重标定，学习不同的通道特征的重要性以及通道特征间的关系；对检测头的轻量化提出串行轻量化检测头结构，将检测头部回归分支卷积接在分类分支卷积后，使得回归分支充分利用分类结果，提升模型定位准确度，并且使用分组卷积轻量化检测头。本发明对目标检测网络进行了轻量化，在保证准确性同时，大幅提升网络推理速度。

本发明授权一种轻量化卷积神经网络目标检测的实现方法在权利要求书中公布了：1.一种轻量化卷积神经网络目标检测的实现方法，其特征是目标检测卷积神经网络用于车辆检测，数据集为从多个摄像头、多时段随机截取的道路场景图片，划分训练集和测试集用于训练目标检测卷积神经网络，对所述目标检测卷积神经网络进行轻量化，包括轻量化锚点框、轻量化骨干网络和轻量化检测头，三种轻量化方式任选其二或三种皆选来进行，三种轻量化方式具体为： S1轻量化锚点框：包括轻量锚点框的设置和改进样本匹配；对每个特征点仅设置1个锚点框，设GroundTruth数量为N，样本标签-1表示忽略样本，0表示负样本，[1,n]表示正样本，n∈N，改进样本匹配为： S1.1设置所有样本标签初始默认为-1，即默认为训练中忽略的样本； S1.2设置负样本，若样本与任意GroundTruth的交并比小于负样本阈值Tneg，则该样本设置为负样本，设置标签为0； S1.3设置正样本，若样本与所有GroundTruth的交并比最大值大于正样本阈值Tpos，则该样本设置为正样本，设置标签为对应GroundTruth的编号，并用[1,n]表示样本为正以及所对应的GroundTruth； S1.4平衡GroundTruth正样本数量，如果某个GroundTruth匹配到的正样本数量小于k，将与该GroundTruth交并比最大的前k个样本匹配给这个GroundTruth，k为超参数； S1.5抑制低质量正样本，若正样本的中心点没有落在所匹配的GroundTruth内，则取消该匹配； S2轻量化骨干网络：以轻量卷积神经网络ShuffleNetV2为骨干网络，轻量化设置包括： S2.1连接骨干网络ShuffleNetV2与特征金字塔网络FPN,将ShuffleNetV2的Stage2、Stage3和Stage4的输出特征图作为FPN的输入构建特征金字塔结构； S2.2在ShuffleNetV2中增加通道注意力模块，对通道特征进行重标定，学习不同的通道特征的重要性以及通道特征间的关系； S3轻量化检测头:构建一个串行轻量化检测头结构，将回归分支卷积连接在分类分支卷积后，使得回归分支充分利用分类结果，输出分类预测和回归预测卷积位置保持不变； 通过上述轻量化方式，在不损失检测模型准确性的同时，对目标检测卷积神经网络轻量化，减少模型的参数量和计算量，提升检测模型的速度。

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大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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。