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！

龙图腾网恭喜西安电子科技大学;陕西理工大学申请的专利一种改进损失函数的YOLOv4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：CN114463718B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202210007089.9，技术领域涉及：G06V20/58；该发明授权一种改进损失函数的YOLOv4目标检测算法是由王立哲;王兰美;王桂宝;廖桂生;贾建科;孙长征设计研发完成，并于2022-01-05向国家知识产权局提交的专利申请。

本一种改进损失函数的YOLOv4目标检测算法在说明书摘要公布了：本发明提出了一种改进损失函数的YOLOv4目标检测算法，对标准YOLOv4模型中位置回归损失函数CIoU_Loss进行改进，提出了新型损失函数SCIoU，将其嵌入YOLOv4中，获得了性能提升；首先下载当前目标检测领域通用数据集tt100k与LISA，并进行数据增强；其次使用标准YOLOv4网络对两个增强后的通用数据集进行训练并检测其性能；然后针对标准YOLOv4模型中位置回归损失函数CIoU_Loss，提出一种改进损失函数SCIoU，并将其嵌入YOLOv4模型进行训练；最后对比标准YOLOv4算法，分析测试结果；本发明提出基于SCIoU改进的YOLOv4算法，包含改进长宽比度量指标vs，并以Sigmoid函数代替arctan函数；将其嵌入YOLOv4中，获得了性能提升，该模型没有引入更多计算量，实时性不受影响，本发明改进的YOLOv4算法鲁棒性较好，可用于多个数据集的性能提升。

本发明授权一种改进损失函数的YOLOv4目标检测算法在权利要求书中公布了：1.一种改进损失函数的YOLOv4目标检测方法，其特征在于，包含以下步骤：步骤一、下载当前目标检测领域通用数据集tt100k数据集与LISA数据集，使用这两个数据集可保证算法检测效果与该领域公开的通用数据集保持一致，验证算法实际效果；对下载的数据进行增强，包括翻转、裁剪、加噪、旋转操作；增强后生成的数据不仅可以增加数据集包含的图片数量，且因为增强后的图像与数据集中的原始图像相比更复杂，在保留原始图像特征点的情况下对图片风格、大小进行了改变，图像的模糊程度增加，使增强后的图像更具多样性，与实际情况更接近，可以提升训练后网络的鲁棒性；步骤二：使用标准YOLOv4网络训练与检测交通标志；使用标准YOLOv4网络对基于步骤一的两个交通标志数据集分别进行训练，下载标准YOLOv4网络并进行编译，为两个交通标志数据集tt100k与LISA分别更改cfg文件夹中tt100k.data与LISA.data文件中的训练集、验证集、测试集目录为下载数据集的地址，并指定类别数量与类别名称；根据精度要求设定epoch＝20000，根据本次实验数据集加载tt100k.data或LISA.data，同时加载yolov4.cfg，程序即可开始训练；训练过程中使用标准YOLOv4网络的损失函数CIoU_Loss；保存训练过程中各层的权重文件Q1，作为训练结束后检测的权值输入文件；利用权重文件Q1进行测试，得到mAP与Recall；对得到的mAP、Recall与训练过程中的损失进行分析，发现CIoU_Loss损失函数在处理小目标时，目标长宽比变化幅度变大时回归损失也变大，不利于模型训练稳定性；步骤三、为解决CIoU_Loss损失函数在处理小目标时，目标长宽比变化幅度变大时回归损失也变大的问题，提出一种基于CIoU_Loss的损失函数SigmoidCompleteIntersectionoverUnion，简称SCIoU，通过改进的长宽比度量指标νs，并以Sigmoid函数原型代替arctan函数，将其嵌入YOLOv4中，获得了性能提升，同时该模型也没有引入更多计算量，实时性不受影响，也可替换其他目标检测算法的损失函数，拥有较好的适用性；将替换损失函数SCIoU的YOLOv4网络使用步骤一中的两个数据集进行训练，得到权重文件Q2；利用权重文件Q2进行测试，得到mAP与Recall；基于CIoU，提出改进的长宽比度量指标νs，其表达式为： 以Sigmoid函数原型代替arctan函数，同时以长宽比wh作为函数的自变量，可见arctan函数的值域为[0,π2，Sigmoid函数的值域为[0.5,1，且当长宽比wh变小时，随着wh值的变化，Sigmoid比arctan的变化幅度更小；对应于损失函数中长宽比度量值指标v的表达式，对预测框与真实框的长宽比做映射处理后归一化，Sigmoid使得回归损失变化幅度更小，即本文提出SCIoU损失函数，有利于模型训练的稳定性；SCIoU作为损失函数的表达式为： 同样vs的梯度表达式为： 同理，在实验情况下，为防止梯度爆炸的情况发生，取的值为1；步骤二中总损失为Lossall＝LCIoU+LC+LP，将LCIoU替换为中的LSCIoU，并将其嵌入YOLOv4中，并按照步骤二中相同方法进行训练，迭代至epoch值并使用Adam算法更新权重，计算mAP与Recall，并保存权重文件Q2；步骤四、将步骤三与步骤二得到的mAP与Recall进行对比，并设置不同的IoU_thresh重新进行训练，比较步骤二与步骤三在不同设置下的mAP与Recall性能，分析测试结果。

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西安电子科技大学;陕西理工大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。