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！

龙图腾网获悉吉林大学申请的专利基于视觉测距的交通信号灯识别网络训练方法及测试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：CN115546763B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202211263112.7，技术领域涉及：G06V10/82；该发明授权基于视觉测距的交通信号灯识别网络训练方法及测试方法是由张素民;白日;何睿;武巍设计研发完成，并于2022-10-14向国家知识产权局提交的专利申请。

本基于视觉测距的交通信号灯识别网络训练方法及测试方法在说明书摘要公布了：本发明提供了一种基于视觉测距的交通信号灯识别网络训练方法，包括以下步骤：步骤1、对采集的图像进行标注，制作交通信号灯数据集；步骤2、利用步骤1建立的数据集对信号灯识别网络模型进行训练；步骤3、利用损失函数采用梯度下降法对模型参数进行优化，用trainval子数据集对训练好的网络模型进行网络模型超参数调整，用test子数据集对最终的网络模型进行评价；当训练过程中loss趋于平缓且连续3个训练周期网络性能无提升时，选取最后的训练模型为最优模型，完成训练。本发明还提供了一种基于视觉测距的交通信号灯识别网络测试方法。本发明解决了现有技术中存在的信号灯识别准确率低，计算量大，实时性差等问题。

本发明授权基于视觉测距的交通信号灯识别网络训练方法及测试方法在权利要求书中公布了：1.一种基于视觉测距的交通信号灯识别网络训练方法，其特征在于，包括以下步骤： 步骤1、对采集的图像进行标注，制作交通信号灯数据集：所述信号灯数据集由信号灯图像、归一化后的ROI区域信息、真实标签信息作为一个基本数据单元；并将数据集按8:1:1比例分为train、trainval、test三个子数据集，其中train、trainval数据集用于训练及训练过程的性能验证；test用于对网络性能进行最终评价； 步骤2、利用步骤1建立的数据集对信号灯识别网络模型进行训练： 步骤21、首先，建立信号灯识别网络模型，信号灯识别网络模型包含主干网络、特征融合网络和特征解码器三部分； 步骤22、将训练集中相机采集到的信号灯图像送入所述信号灯识别网络模型的主干网络中，提取图像特征，获得特征图；然后将提取到的特征图送入所述特征融合网络，获取检测头特征图TC1、TC2、TC3； 步骤23、将步骤1归一化后的ROI区域信息，映射到步骤22得到的检测头特征图中，生成ROI特征图：设检测头特征图高宽尺寸分别为hti、wti，则ROI区域在对应检测头特征图的位置信息为截取ROI区域在检测头特征图映射区域的特征图作为ROI特征图； 其中，Pw、Ph分别为图像宽度和高度，Xc为ROI区域中心点的x轴坐标，Xc是以图像中心点横坐标X中心为采样中心，利用高斯概率密度函数在[0,Pw]范围内采样获得；Yc为ROI区域中心点的y轴坐标，Yc的取值在Ycmax到Ycmin范围内随机采样获得；ROI区域中心点的y轴坐标值的上下取值边界，分别记为Ycmax，Ycmin，其中Ycmax＝H板1+αh1，Ycmin＝H板1‑αh1，其中α是自适应系数，H板为信号灯板中心点的高度，f为相机焦距，H板1为H板在图像坐标系的投影，h1为信号灯板的垂向长度h在图像坐标系的投影；Sc为车辆与交通信号灯之间的水平距离，R为预设阈值，e为自然常数； 步骤24、将获得的ROI特征图与步骤1中获得的真实标签进行对比，筛选出与真实标签最匹配的ROI特征图作为初始预测框特征图； 步骤25、特征解码器对筛选出的初始预测框特征图进行分类和精调整，获得最终的信号灯预测框信息； 步骤26、通过Loss函数计算信号灯预测框和真实标签之间的损失函数，确定网络参数进化方向，优化信号灯识别网络模型； 步骤3、利用损失函数采用梯度下降法对模型参数进行优化，用trainval子数据集对训练好的网络模型进行网络模型超参数调整，用test子数据集对最终的网络模型进行评价； 当训练过程中loss趋于平缓且连续3个训练周期网络性能无提升时，选取最后的训练模型为最优模型，完成训练过程。

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吉林大学，其通讯地址为：130000 吉林省长春市朝阳区前进大街2699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。