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！

龙图腾网获悉沈阳航空航天大学申请的专利一种区分高相似度目标物体的分类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：CN116503664B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202310546767.3，技术领域涉及：G06V10/764；该发明授权一种区分高相似度目标物体的分类方法是由高利军;朱佳龙;吴杰宏;金潇设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本一种区分高相似度目标物体的分类方法在说明书摘要公布了：本发明提供一种区分高相似度目标物体的分类方法，包括：定义高相似度对象集，其中包括易错类别、关联类别等；获取无人驾驶汽车公路正常行驶中不同位置环境图像；利用目标检测技术检测环境图像中多个对象；筛选对象标签类别属于高相似度对象集合；利用元学习的思想训练孪生神经网络，使其具备判断图像中主体像素比例是否改变的能力；将不同位置环境图像中的同一对象的前后对比照片输入孪生神经网络，获取分类结果；根据距离不同物体像素比例变化率不同这一透视投影效应，变化率较小为远处对象，变化率较大为近处对象，物体像素比例变化率映射为距离因素精确区分高相似度物体，从而有效提升分类效果。

本发明授权一种区分高相似度目标物体的分类方法在权利要求书中公布了：1.一种区分高相似度目标物体的分类方法，其特征在于，具体包括以下内容： 步骤1：定义高相似度类别集； 步骤2：利用YOLOv3目标检测框架筛选识别高相似度类别的对象； 步骤3：分组预训练Siamese孪生神经网络； 步骤4：利用步骤3训练完成的Siamese孪生网络进行目标分类，输出标签分类结果； 步骤5：根据标签分类结果区分高相似度物体对象； 步骤3所述Siamese孪生神经网络由两个完全相同的子网络组成，每个子网络都有相同的结构和权重，用于处理成对的输入，学习成对图像之间的相似性和差异性； 采用元学习的思想训练Siamese孪生神经网络，使其能够准确判断两个图像中主体部分像素比例是否发生变化；步骤如下： 步骤3.1：数据集预处理：基于ImageNet数据集，并且将数据集按照8:2的比例分配为训练集和测试集；将两个数据集分别分为两组进行训练和测试；一组改变图像主体部分像素比例大小，标签为1；另一组是未改变像素比例的图像，标签为0；所述像素比例，用于描述在图像中物体像素数目占图像的总像素数目的比例，是物体占总图像面积的比例； 步骤3.2：构建Siamese孪生神经网络：使用卷积神经网络作为Siamese孪生神经网络的基础结构；Siamese孪生网络数学模型如下： 其中，θ为模型参数，N表示数据集中样本数量，Li表示第i对样本的损失函数，和分别表示用于训练和测试样本集合； 步骤3.3：定义损失函数：基于二分类问题，使用二元交叉熵损失函数来衡量Siamese孪生神经网络预测结果与真实标签之间的差异；损失函数表达式如下： 其中N是数据集中样本数量，yi是第i对样本的真实标签，pi是Siamese孪生网络预测的标签； 损失函数衡量了Siamese孪生网络对于输入图像的预测结果与真实标签之间的差异；当孪生网络对一对输入图像的预测结果与它们的真实标签相同时，损失函数值小；反之，当预测结果与真实标签不同时，损失函数值大；通过最小化损失函数，Siamese孪生网络会逐步学习到如何判断两张图像中的物体像素比例是否发生变化的规律，并通过调整参数的方式实现更准确的预测结果； 步骤3.4：按照上述步骤对Siamese孪生网络进行分组预训练：将成对图像作为Siamese孪生网络的输入，并计算损失函数，最后使用反向传播算法更新网络的参数； 步骤5具体为： 步骤5.1：获取Siamese孪生网络分类结果标签：如分类结果标签为1则表示对象像素比例发生明显变化，反之标签为0则表示对象像素比例未发生明显变化； 步骤5.2：根据透视投影效应，在三维空间中的物体距离观察者越近，在二维图像的投影越大，而三维空间中的物体越远，在二维图像的投影就越小；对象在不同位置的图像中如像素比例未发生变化则表示该对象距离设备传感器较远，反之像素比例发生明显变化则表示该对象距离设备传感器较近；依据距离这一非视觉属性成功区分高相似度物体。

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沈阳航空航天大学，其通讯地址为：110136 辽宁省沈阳市道义经济开发区道义南大街37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”。

以上内容由龙图腾AI智能生成。