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！

龙图腾网获悉华南理工大学申请的专利一种基于深度学习的视觉多任务处理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：CN115909245B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202211515937.3，技术领域涉及：G06V20/56；该发明授权一种基于深度学习的视觉多任务处理方法是由祝裕昌;肖南峰设计研发完成，并于2022-11-30向国家知识产权局提交的专利申请。

本一种基于深度学习的视觉多任务处理方法在说明书摘要公布了：本发明公开一种基于深度学习的视觉多任务处理方法，包括：搭建视觉多任务处理神经网络模型；针对三个不同任务解码器设计损失函数；对数据集进行预处理与增强操作；调整训练参数，训练视觉多任务神经网络模型；输入RGB图像检测；本方法创新地将多个任务融合到一个神经网络当中可完成目标检测、可行驶区域检测和车道线检测三个任务，使得同样完成三个任务的时间大大缩短，并且各个解码器之间可以使用一个共享特征的编码器，使得特征利用率大大提高；本方法创新地在定位损失使用了CIoU回归定位损失，考虑了边界框重叠面积、中心距离和长宽比因素，使神经网络模型训练时更能够反馈边界框定位准确性；本方法具有实际推广价值与应用价值。

本发明授权一种基于深度学习的视觉多任务处理方法在权利要求书中公布了：1.一种基于深度学习的视觉多任务处理方法，其特征在于，该方法是利用一个基于深度学习的视觉多任务处理神经网络模型同时完成车辆自动驾驶中需要的多任务视觉处理，包括目标检测任务、可行驶区域检测任务和车道线检测任务，其中，该视觉多任务处理神经网络模型的具体情况如下： a、构建视觉多任务处理神经网络模型的输入层； b、构建视觉多任务处理神经网络模型的共享特征编码器，所述共享特征编码器中使用到的模块有CBM模块、CSPx模块、CBLx模块和SPP模块； CBM模块由Conv操作、BatchNorm操作和Mish激活函数按顺序组成； CSPx模块具有主干和捷径两个分支，CSPx模块起始为一个CBM模块，这个起始的CBM模块分别连接至CSPx模块的主干和捷径，主干有一个CBM模块、x个ResUnit模块和一个CBM模块按顺序组成，捷径由一个CBM模块组成，CSPx模块的主干和捷径进行Concat操作，末尾再有一个CBM模块组成；ResUnit模块有主干与捷径组成，ResUnit的主干由两个CBM模块组成，ResUnit的捷径直接将输入特征与主干输出特征进行相加操作； CBLx模块由x个CBL模块组成，CBL模块由Conv操作、BatchNorm操作和LeakyReLU激活函数按顺序组成； SPP模块由4个分支组成，分别为3×3、5×5和9×9尺寸的Maxpool操作和一条空操作捷径，再将这4个分支进行Concat操作； 所述共享特征编码器由CBM模块、CSP1模块、CSP2模块、第一CSP8模块、第二CSP8模块、CSP4模块、CBL3模块和SPP模块按顺序构成； c、构建视觉多任务处理神经网络模型的瓶颈模块，由三个CBL6模块组成； d、定义视觉多任务处理神经网络模型中三个针对不同任务的解码器，分别为：目标检测解码器、可行驶区域检测解码器和车道线检测解码器； 解码器之间与相似的任务共享特征映射，实现联合语义理解，并且用于目标检测任务的解码器使用CIoU衡量损失值； 该视觉多任务处理方法的具体实施包括以下步骤： S1、获取数据集并进行预处理，包括：对数据集进行缩放操作以满足视觉多任务处理神经网络模型的输入要求，对数据集进行增强操作，对数据集进行风格转换以更好地模拟实际恶劣驾驶天气环境；将预处理后的数据集划分为训练集和测试集； S2、调整训练参数，构建数据集生成器，分步骤训练视觉多任务神经网络模型：先训练视觉多任务神经网络模型的共享编码器，再分别训练视觉多任务神经网络模型三个针对不同任务的解码器； S3、采集测试集中的RGB图像数据，输入到训练好的视觉多任务神经网络模型中预测，得到目标检测预测结果、可行驶区域预测结果和车道线预测结果，并将所有预测结果绘制到测试的RGB图像展示输出。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。