基于CycleGAN和条件分布自适应的目标检测方法（高校公示15天）（不包年费滞纳金）（需要二变）
发明专利一种基于CycleGAN和条件分布自适应的目标检测方法，主要解决现实问题中往往无法提供检测器所需的大量实例级注释的问题，利用CycleGAN将源域数据进行迁移，获得逼近目标域分布的中间数据集，预处理后训练Faster RCNN网络；将中间数据集和目标域数据输入特征提取器获得特征图，域分类器根据特征区分图像属于中间数据集或目标域，域分类器和特征提取器对抗训练获得最大公共特征；将目标域的公有特征输入Faster RCNN中进行目标检测，获得图像的定位结果。本发明结合了CycleGAN进行风格迁移和条件分布适应的优点，实现了缺实例级标注下的对图像的准确目标检测。
《基于CycleGAN和条件分布自适应的目标检测方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2021103395629，当前法律状态为已下证，由浙江工业大学提出申请，发明人为汪梦婷;许金山;胡凤丹;陈镇钦;楼航晓，申请日期为2021-03-30，公开（公告）日期为2024-09-24，国际专利分类号（IPC）为 G06V 10/774 (2022.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：一种基于CycleGAN和条件分布自适应的目标检测方法，主要解决现实问题中往往无法提供检测器所需的大量实例级注释的问题，利用CycleGAN将源域数据进行迁移，获得逼近目标域分布的中间数据集，预处理后训练Faster RCNN网络；将中间数据集和目标域数据输入特征提取器获得特征图，域分类器根据特征区分图像属于中间数据集或目标域，域分类器和特征提取器对抗训练获得最大公共特征；将目标域的公有特征输入Faster RCNN中进行目标检测，获得图像的定位结果。本发明结合了CycleGAN进行风格迁移和条件分布适应的优点，实现了缺实例级标注下的对图像的准确目标检测。
海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！
