Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 文思海辉智科科技有限公司陈茜获国家专利权

文思海辉智科科技有限公司陈茜获国家专利权

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!

龙图腾网获悉文思海辉智科科技有限公司申请的专利车辆检测模型训练方法、装置、车辆检测方法及电子设备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:CN114399657B

龙图腾网通过国家知识产权局官网在2025-09-26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:202111564661.3,技术领域涉及:G06V10/764;该发明授权车辆检测模型训练方法、装置、车辆检测方法及电子设备是由陈茜设计研发完成,并于2021-12-20向国家知识产权局提交的专利申请。

车辆检测模型训练方法、装置、车辆检测方法及电子设备在说明书摘要公布了:本申请实施例提供了一种车辆检测模型训练方法、装置、车辆检测方法及电子设备,涉及目标检测领域。该方法包括获取包括多个训练样本的训练数据集,每个训练样本包括样本图像、表征该样本图像中是否包含车辆的车辆标签和表征该样本图像中车辆位置信息的信息标签。获取每个样本图像对应的至少两个子图像的位置信息,并确定各子图像的车辆标签。通过基于各训练样本和各样本图像对应的各子图像,对包括依次级联的特征提取网络以及目标识别网络的神经网络模型进行迭代训练,直至神经网络模型的训练损失值满足训练结束条件,根据该方法训练得到的精确度较高的车辆检测模型,能够对待检测车辆进行更精确的车辆检测。

本发明授权车辆检测模型训练方法、装置、车辆检测方法及电子设备在权利要求书中公布了:1.一种车辆检测模型训练方法,其特征在于,包括: 获取包括多个训练样本的训练数据集,每个训练样本包括样本图像、表征所述样本图像中是否包含车辆的车辆标签和表征所述样本图像中车辆位置信息的信息标签; 获取每个所述样本图像对应的至少两个子图像在该样本图像中的位置信息,并基于每个所述样本图像的信息标签,确定各样本图像对应的各子图像的车辆标签; 基于各所述训练样本和各所述样本图像对应的各子图像,对包括依次级联的特征提取网络以及目标识别网络的神经网络模型进行迭代训练,直至所述神经网络模型满足训练结束条件,得到车辆检测模型;其中,所述特征提取网络以及所述目标识别网络通过全连接网络连接;在对所述神经网络模型迭代训练的过程中,采用奇异值分解加速所述全连接网络,将所述全连接网络分为两个子全连接网络,且前一子全连接网络不含偏置,后一子全连接网络包含偏置; 其中,所述训练结束条件包括以下至少一项: 所述神经网络模型的损失函数收敛,所述神经网络模型的训练损失值小于设定值,对所述神经网络模型的训练次数达到设定次数; 其中,所述神经网络模型的损失函数包括第一损失函数和第二损失函数,对于每个所述样本图像,训练的过程包括: 通过所述特征提取网络对该样本图像进行特征提取,得到该样本图像对应的第一特征图; 根据所述第一特征图以及该样本图像对应的各子图像在该样本图像中的位置信息,确定各子图像对应的第二特征图; 对于每个所述子图像,根据该子图像对应的第二特征图和该子图像对应的位置信息,通过所述目标识别网络,得到该子图像的预测分类结果以及预测车辆位置信息,所述预测分类结果表征该子图像中是否包括车辆; 基于该样本图像对应的各子图像的预测分类结果和对应的子图像的车辆标签,利用所述第一损失函数,确定第一训练损失值;基于该样本图像对应的各子图像的预测车辆位置信息和该样本图像的信息标签,利用所述第二损失函数,确定第二训练损失值;基于所述第一训练损失值和所述第二训练损失值,得到所述神经网络模型的训练损失值; 若所述神经网络模型的训练损失值不满足所述训练结束条件,对所述神经网络模型的模型参数进行调整,并基于所述各所述训练样本和各所述样本图像对应的各子图像对调整后的模型继续进行训练。

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文思海辉智科科技有限公司,其通讯地址为:102200 北京市昌平区未来科学城南区鲁疃路5号院(中国电子网络安全和信息化产业基地)A栋六层西侧663房间;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。