一种基于长尾分布数据集的目标检测方法

发明专利有效专利

申请号：
CN202010769229.7
IPC分类号：G06K9/62;G06N3/04;G06N3/08
申请日期：
2020-08-03
申请人：
华南理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于长尾分布数据集的目标检测方法
申请号	CN202010769229.7	申请日期	2020-08-03
法律状态	实质审查	申报国家	中国
公开/公告日	2020-11-06	公开/公告号	CN111898685A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	华南理工大学	申请人地址	广东省广州市天河区五山路变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	华南理工大学	当前权利人	华南理工大学
发明人	张夕萌;许勇
代理机构	上海思牛达专利代理事务所（特殊普通合伙）	代理人	暂无

摘要

本发明公开了一种基于长尾分布数据集的目标检测方法，涉及目标检测技术领域，包括以下步骤预先将图片占比小于千分之一类别定义为小样本类别，其中包括小样本类别产生的神经网络损失进行加权，实现小样本类别产生的神经网络损失要大于大样本类别产生的神经网络损失；标定平衡不同类别在神经网络中损失权重，确定小样本类别对于目标检测网络的影响系数。本发明在目标检测神经网络训练中对小样本类别进行神经网络损失加权的算法，在一定程度上缓解了样本数目过少的类别对目标检测网络的影响过小的问题，平衡了在不同样本比例类别之间的差异，提高了小样本类别被目标检测网络感知的能力。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供