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！

龙图腾网获悉北京大学申请的专利一种无监督低光照域自适应训练方法及检测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：CN115641483B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202211129606.6，技术领域涉及：G06V10/774；该发明授权一种无监督低光照域自适应训练方法及检测方法是由刘家瑛;罗润冬;汪文靖设计研发完成，并于2022-09-16向国家知识产权局提交的专利申请。

本一种无监督低光照域自适应训练方法及检测方法在说明书摘要公布了：本发明公开了一种无监督低光照域自适应训练方法及检测方法。本方法为：1收集有标注的正常光照训练数据、无标注的低光照训练数据和预训练模型；在预训练模型的特征提取器之后连接一多层感知器，得到第一模型；2利用正常光照数据训练第一模型中多层感知器；3构建深度凹曲线模型置于第一模型中特征提取器之前，得到第二模型；4利用低光照数据训练第二模型中的深度凹曲线模型；5利用深度凹曲线模型对低光照数据进行提亮后输入预训练模型，将预测所得标签作为低光照数据的伪标签；6利用正常光照数据及带伪标签的低光照数据对预训练模型进行训练微调；7对于待处理的低光照图像提亮后输入微调后的预训练模型，输出对应的检测结果。

本发明授权一种无监督低光照域自适应训练方法及检测方法在权利要求书中公布了：1.一种无监督低光照域自适应训练方法，其步骤包括： 1收集有标注的正常光照训练数据、无标注的低光照训练数据和预训练模型；所述预训练模型为有标注的正常光照训练数据训练后的视觉任务模型；在所述预训练模型的特征提取器之后连接一多层感知器，得到第一模型；所述多层感知器用于将特征提取器提取的特征映射到自监督任务的表示空间； 2利用所述有标注的正常光照训练数据训练所述第一模型，训练过程中锁定所述特征提取器的参数，仅训练所述多层感知器； 3构建深度凹曲线模型，用于预测输入图像的每个像素值在亮度增强后的像素值；将所述深度凹曲线模型置于所述第一模型中所述特征提取器之前，得到第二模型； 4利用所述低光照训练数据训练所述第二模型；训练过程中锁定所述特征提取器的参数以及所述多层感知器中的参数，仅训练所述深度凹曲线模型； 5利用训练后的所述深度凹曲线模型对所述低光照训练数据进行提亮后输入所述预训练模型，预测得到所述低光照训练数据的标签；将预测所得标签作为所述低光照训练数据的伪标签； 6利用所述有标注的正常光照训练数据及带伪标签的低光照训练数据，对所述预训练模型进行训练，得到微调后的预训练模型。

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北京大学，其通讯地址为：100871 北京市海淀区颐和园路5号北京大学；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”。