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！

龙图腾网获悉中孚安全技术有限公司申请的专利基于全卷积的小目标检测算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：CN115995020B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202211705281.1，技术领域涉及：G06V10/764；该发明授权基于全卷积的小目标检测算法是由高明;苗功勋;熊英超;徐家伟设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本基于全卷积的小目标检测算法在说明书摘要公布了：本发明提供基于全卷积的小目标检测算法，包括卷积网络模型部分、损失计算部分和训练调参部分；卷积网络模型部分用于针对图像特征进行提取并对目标进行预测；损失计算部分用于计算训练时的预测损失以获取梯度指导网络模型进行权重学习；训练调参部分用于将带有标签的数据喂入网络模型进行前向推理，通过损失函数梯度进行反向梯度回传，并根据验证精度调整网络学习率与数据集，得到最优的模型权重。本发明使用多尺度特征融合提高对不同尺度目标特征的提取能力，使用双尺度目标预测以解决小目标在特征图中信息占比少，从而易受大目标特征影响的情况，使用目标的真实边界计算损失以指导网络更精准的学习目标边界特征。

本发明授权基于全卷积的小目标检测算法在权利要求书中公布了：1.基于全卷积的小目标检测算法，其特征在于，包括卷积网络模型部分、损失计算部分和训练调参部分； 所述卷积网络模型部分包括骨干网络模块、多尺度特征融合模块和双尺度预测模块，所述骨干网络模块使用骨干网络对图像依次进行不同尺度的特征提取；所述多尺度特征融合模块，将不同尺度的特征矩阵信息进行融合；所述双尺度预测模块，分别预测大尺度目标与小尺度目标，最终输出结果； 所述卷积网络模型部分用于针对图像特征进行提取并对目标进行预测；所述损失计算部分用于计算训练时的预测损失以获取梯度指导网络模型进行权重学习；所述训练调参部分用于将带有标签的数据喂入网络模型进行前向推理，通过损失函数梯度进行反向梯度回传，最终根据验证精度调整网络学习率与数据集；算法具体步骤如下： 步骤S1、构建网络模型； 步骤S2、构建基于目标边界距离的损失函数：由于全卷积网络针对每个像素都进行了类别预测，因此更容易出现零碎的斑点错误，故基于目标边界距离的损失函数为： 其中Lpixelloss表示每个像素的损失，classes表示所有类别集合，ytrue表示该像素在某一类别的标签，ypred表示该像素在某一类别的预测得分，是根据预测为某类别与标签中最近该类别连通域距离决定的权重系数，其计算公式如下： 上式表示像素i在ytrue所属类别的标签区域中，表示像素i不在ytrue所属类别的标签区域中，dis表示像素i距离最近的ytrue所属类别标签区域的距离，该权重进一步约束远离正确标签区域的错误预测； 步骤S3、训练调参： 步骤S31、收集任务需要的目标图像数据，并按照语义分割的标签格式为数据指定标签，获得训练所需要的数据集； 步骤S32、将数据集按照比例分成训练集、验证集、测试集，通用比例7:1:2，根据数据量情况酌情修改； 步骤S33、将训练集喂入步骤S1构建的网络模型中进行前向计算，获取预测结果，使用步骤S2构建的损失函数计算梯度并反向回传调整模型参数； 步骤S34、训练多个批次之后根据验证集精度表现，调整学习率参数，同时观测模型损失下降趋势与验证集精度上升趋势是否正相关，以免出现过拟合现象； 步骤S35、最终根据训练多个轮次的训练结果，使用测试集进行测试，选取最优的网络模型作为结果模型存储，以供下次小目标检测推理使用。

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孚安全技术有限公司，其通讯地址为：250101 山东省济南市高新区经十路7000号汉峪金谷A1-5号楼24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。