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！

龙图腾网获悉重庆邮电大学申请的专利有雾道路目标检测模型的训练方法、检测方法以及装置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：CN119810417B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202411890759.1，技术领域涉及：G06V10/25；该发明授权有雾道路目标检测模型的训练方法、检测方法以及装置是由刘明杰;吕梦琳;罗浩轩;岳世杰;谢庆琅;杨舒坦;辛祥瑞;马春蕾;袁朋;李杨;朴昌浩;张庆熙设计研发完成，并于2024-12-20向国家知识产权局提交的专利申请。

本有雾道路目标检测模型的训练方法、检测方法以及装置在说明书摘要公布了：本发明属于自动驾驶环境感知领域，旨在多雾天气和正常天气的条件下提高对象检测的性能。具体涉及一种有雾道路目标检测模型的训练方法、检测方法以及装置；所述有雾道路目标检测模型采用知识蒸馏模型，所述有雾道路目标检测模型包括作为学生模型的特征吸收子网、对象检测子网以及作为教师模型的去雾特征选择子网，对象检测子网通过特征吸收子网连接到去雾特征选择子网，以形成一个统一的框架，以提高对象检测的性能。本发明分阶段训练教师模型，利用吸收检查器让学生模型学习去雾特征选择子网中的FSC特征，帮助学生模型提高特征提取的性能，优化了有雾道路目标检测模型的训练效果，提高了有雾道路目标检测模型的性能。降低有雾道路目标检测模型的训练时长。

本发明授权有雾道路目标检测模型的训练方法、检测方法以及装置在权利要求书中公布了：1.一种有雾道路目标检测模型的训练方法，其特征在于，所述有雾道路目标检测模型包括作为学生模型的特征吸收子网、对象检测子网以及作为教师模型的去雾特征选择子网，所述对象检测子网包括颈部网络和头部网络；所述方法包括： 获取有雾图像和无雾图像；所述有雾图像和所述无雾图像是同一道路场景下的目标图像对，所述有雾图像是具有目标类别和目标区域初始边框； 将所述有雾图像和所述无雾图像通过去雾特征选择子网，得到有雾图像的FSC特征和无雾图像的FSC特征；通过有雾图像的FSC特征和无雾图像的FSC特征，计算得到第一损失；通过第一损失训练所述去雾特征选择子网； 所述去雾特征选择子网包括五个平行部署的卷积层的差分卷积集、内容引导注意力机制和改进Mamba机制；其中，所述五个平行部署的卷积层的差分卷积集包括原始卷积，中心差卷积，角差卷积，水平差卷积和垂直差卷积；所述内容引导注意力机制包括通道注意力模块和空间注意力模块； 所述去雾特征选择子网还包括通过卷积层的添加性，将所述五个平行部署的卷积层的差分卷积集转化为单个标准卷积层； 将所述有雾图像的FSC特征通过特征吸收子网的吸收检查器，得到所述有雾图像的FA特征；将所述有雾图像通过特征吸收子网的特征变更模块，得到所述有雾图像的FM特征；将所述有雾图像的FM特征通过特征吸收子网的吸收检查器，得到所述有雾图像的FAM特征；通过有雾图像的FA特征和有雾图像的FAM特征，计算得到第一铰链损失，固定去雾特征选择子网和特征吸收子网的特征变更模块的参数，通过第一铰链损失训练所述特征吸收子网的吸收检查器； 通过有雾图像的FAM特征，计算得到第二铰链损失，固定特征吸收子网的吸收检查器的参数，通过第二铰链损失训练所述特征吸收子网的特征变更模块； 第一铰链损失和第二铰链损失的公式如下： 其中，A是吸收检查器，FM是特征变更模块，表示特征变更模块FM的重量在训练吸收检查器A期间被冷冻，表示在训练特征突变模块期间吸收检查器A的重量被冻结；x表示输入的有雾图像，Ax代表有雾图像的FA特征；z表示输入的有雾图像，代表有雾图像的FM特征，代表有雾图像的FAM特征；Ex～qdatax表示x服从qdatax的分布，Ez～pdataz表示z服从qdataz的分布；qdatax表示适用于去雾特征选择子网的有雾图像样本集合，qdataz表示适用于特征变更模块的有雾图像样本集合； 将所述有雾图像的FM特征通过对象检测子网，得到所述有雾图像的目标区域候选边框和目标检测类别；固定特征吸收子网的特征变更模块的参数，通过有雾图像的目标区域初始边框和目标区域候选边框，以及目标类型和目标检测类型，计算得到第二损失，通过第二损失训练所述有雾道路目标检测模型。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。