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！

龙图腾网获悉重庆大学申请的专利面向复杂环境下被遮挡目标的新型脑启发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：CN116935196B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202310963809.3，技术领域涉及：G06V20/00；该发明授权面向复杂环境下被遮挡目标的新型脑启发目标检测方法是由王磊;陈家伟;李秀敏;李子龙;尹锐;滕洲;任颜萍设计研发完成，并于2023-08-02向国家知识产权局提交的专利申请。

本面向复杂环境下被遮挡目标的新型脑启发目标检测方法在说明书摘要公布了：本发明面向复杂环境下被遮挡目标的新型脑启发目标检测方法，其包括构建目标检查模型，所述目标检测模型包括脑启发模型和DETR模型；将被检测图像输入脑启发模型，得到关于目标的若干个预测框及类标签，并输入DETR模型；DETR模型通过对图像数据预设参考点，标定预测框针对参考点的侧距和框位置，并给出查询对象，以二部匹配实现类标签匹配，通过计算预测框的侧距和框位置，并迭代至设定的偏移幅度阈值范围内，然后选择预测框中目标最高置信度对应的类别和坐标。本发明中脑启发模型能在学习中不断地提取知识以更好更快地学习新任务,对于已有训练样本的特征数据进行释义储存与解构释放，使得混乱数据流可模拟为稳定的动态数据流，减缓了遗忘问题。

本发明授权面向复杂环境下被遮挡目标的新型脑启发目标检测方法在权利要求书中公布了：1.面向复杂环境下被遮挡目标的新型脑启发目标检测方法，其特征在于：包括以下步骤： 1构建目标检测模型，所述目标检测模型包括脑启发模型和DETR模型； 所述脑启发模型由相互作用的生成器、鉴别器和分类器构成，训练脑启发模型以确定脑启发模型的超参数和鉴别器与分类器的内部参数，并获得训练完善的生成器、鉴别器和分类器； 2将被检测图像输入脑启发模型的生成器，在目标检测过程中通过双侧神经回路在线学习对鉴别器的内部参数进行在线更新，并通过置信度判断采用鉴别器的输出还是分类器的输出，然后通过预测框解码器对被采用的输出解码，得到关于目标的若干个预测框及类标签，再将目标的预测框及类标签输入DETR模型； 本步骤中通过双侧神经回路在线学习对鉴别器的内部参数进行在线更新，双侧神经回路在线学习由内神经回路训练和外神经回路训练组成，所述内神经回路训练为多mini-batch梯度下降训练，外神经回路训练为多batch维持训练，包括： 随机从额外存储空间提取n个旧训练样本与目标检测过程中接收的新样本混合，并通过多个mini-batch梯度下降训练以对判别器D的内部参数进行更新；引入注意力系数s调节双侧神经回路模型在新样本上的学习率，从而根据重播训练样本数量调节双侧神经回路模型对新样本的关注度；对于外神经回路，即模型收到的多batch新数据，对于单batch数据，基于双侧神经回路模型在内神经回路构造的多个mini-batch上的参数更新，利用元学习率参数λ对θD进行最后的经验更新；鉴别器的内部参数θD更新公式如下： 其中，i,k代表batch的序号，j,l代表mini-batch的序号，mini-batch是内神经回路，batch是外神经回路，且B和b分别表示batch和mini_batch的数量，LDxij,yij表示脑启发学习模型中所得的损失，Q是双侧神经回路模型在不同样本梯度之间的内积，当Q大于零，则表示训练样本间产生迁移； 3DETR模型通过对图像数据预设参考点，标定预测框针对参考点的侧距和框位置，并给出查询对象，以二部匹配实现类标签匹配； 4DETR模型通过计算预测框的侧距和框位置，获得预测框的偏移量，在步骤2至步骤4间进行迭代，根据所得到的框预测坐标迭代至设定的偏移幅度阈值范围内，选择预测框中目标置信度对应的得分最高值所对应的类别，该类别即为该目标所属类别，对应的坐标即为目标在图像中的位置信息。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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”。