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！

龙图腾网获悉深圳联友科技有限公司申请的专利一种车位检测模型训练方法、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：CN117237905B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202210643250.1，技术领域涉及：G06V20/58；该发明授权一种车位检测模型训练方法、电子设备是由龙祥设计研发完成，并于2022-06-06向国家知识产权局提交的专利申请。

本一种车位检测模型训练方法、电子设备在说明书摘要公布了：本发明公开一种车位检测模型训练方法，包括：识别车位环视图像中的车位角点类型，若车位环视图像中存在正常角点，则为车位环视图像关联正常角点标签；若车位环视图像中存在难例角点，则为车位环视图像关联难例角点标签；通过损失函数对车位识别模型进行训练修正；其中，车位环视图像的正常角点标签作为第一正样本，第一正样本的损失值直接参与车位识别模型训练修正过程；车位环视图像的难例角点标签作为第二正样本，相比于现有技术而言，本发明涉及的技术方案有助于降低难例目标对模型的负面影响，同时降低对标注人员判断力的要求，提高标注标准的明确性和可执行性，本发明还提供一种电子设备，同样具有上述有益效果。

本发明授权一种车位检测模型训练方法、电子设备在权利要求书中公布了：1.一种车位检测模型训练方法，其特征在于，包括如下步骤： 识别车位环视图像中的车位角点类型，所述车位角点类型分为：正常角点、难例角点及非角点； 若所述车位环视图像中存在正常角点，则为所述车位环视图像关联正常角点标签；和 若所述车位环视图像中存在难例角点，则为所述车位环视图像关联难例角点标签；和 若所述车位环视图像中存在为非角点，则为所述车位环视图关联非角点标签； 在基于深度学习的车位识别模型的训练中，通过损失函数对所述车位识别模型进行训练修正； 其中，所述车位环视图像的所述正常角点标签作为第一正样本，所述第一正样本的损失值直接参与所述车位识别模型训练修正过程； 所述车位环视图像的所述难例角点标签作为第二正样本，所述第二正样本的损失值在乘以第一调控系数δ1后，参与所述车位识别模型训练修正过程，所述第一调控系数δ1∈[0,1； 所述车位环视图像的非角点标签作为负样本参与所述车位识别模型训练修正过程； 识别车位环视图像中车位角点的标注方向，基于所述车位角点，将连续的0～360°离散化为K个角度区间，K为正整数；将位于所述标注方向所在角度区间的左右邻近的±R个角度区间标记为邻近方向；将超出±R个角度区间的其他角度区间标记为其他方向；在基于深度学习的车位识别模型的训练中，通过损失函数对车位识别模型进行训练修正；增强所述标注方向在参与车位识别模型训练修正过程中的响应值；抑制所述邻近方向和所述其他方向在参与车位识别模型训练修正过程中的响应值，其中，所述邻近方向响应值的抑制效果，与所述邻近方向在参与训练修正过程中的损失值乘以第二调控系数δ2得到的积成正比，且δ2∈[0,1； 步骤“抑制所述邻近方向在参与车位识别模型训练修正过程中的响应值，”具体为：基于所述邻近方向与所述标注方向的偏差r对所述邻近方向在参与训练修正过程中的响应值进行抑制，其中r∈[-R,R]

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深圳联友科技有限公司，其通讯地址为：518031 广东省深圳市福田区深南中路2010号东风大厦22楼2211、2212、2213房；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。