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！

龙图腾网恭喜重庆大学申请的专利基于一维残差卷积自编码器的自动驾驶测试场景提取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：CN117076969B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202311086240.3，技术领域涉及：G06F18/23213；该发明授权基于一维残差卷积自编码器的自动驾驶测试场景提取方法是由刘永刚;刘帅;蔡春茂;郝金龙;龙美元;李志杰设计研发完成，并于2023-08-25向国家知识产权局提交的专利申请。

本基于一维残差卷积自编码器的自动驾驶测试场景提取方法在说明书摘要公布了：一种基于一维残差卷积自编码器的自动驾驶测试场景提取方法，包括以下步骤：1对自然驾驶数据集预处理；2选取若干不同的场景数据，形成高维场景特征数据集；3利用一维残差卷积自编码器对高维场景特征数据集的各个场景数据进行特征降维，形成低维特征类型数据集；4考虑到不同特征之间的权重差异，分别计算低维特征类型数据集的各类特征向量对应的权重，并对低维特征类型数据集的各类特征向量对应的特征数据进行赋权，得到赋权后的低维特征类型数据集；5利用K‑Means聚类模型对赋权后的低维特征类型数据集进行聚类，得到低维特征类型数据集的场景数据分类；6根据各场景类别在高维场景特征数据集中对应的若干场景数据，对各场景类别命名。

本发明授权基于一维残差卷积自编码器的自动驾驶测试场景提取方法在权利要求书中公布了：1.一种基于一维残差卷积自编码器的自动驾驶测试场景提取方法，其特征在于，包括以下步骤：1获取自然驾驶数据集，对自然驾驶数据集进行预处理；2在自然驾驶数据集中选取若干不同的场景数据，形成高维场景特征数据集；3利用一维残差卷积自编码器对高维场景特征数据集的各个场景数据进行特征降维，形成低维特征类型数据集；所述一维残差卷积自编码器包括一个编码器和一个解码器，所述编码器包括第一卷积层、第二卷积层、第三卷积层，以及第一瓶颈层，所述第一卷积层、第二卷积层之间设有第一最大池化层，所述第三卷积层、第一瓶颈层之间设有第二最大池化层；所述解码器包括第一反卷积层、第二反卷积层、第三反卷积层，以及第二瓶颈层，所述第二瓶颈层、第一反卷积层之间设有第一上采样层，且第一上采样层与第一反卷积层之间设有第二跳跃连接点，所述第二反卷积层、第三反卷积层之间设有第二上采样层，且第二上采样层与第二反卷积层之间设有第一跳跃连接点；所述编码器的输入特征由第一卷积层进入编码器，再依次经过第一最大池化层、第二卷积层、第三卷积层、第二最大池化层，最后由第一瓶颈层输出至解码器的第二瓶颈层，再依次经过第一上采样层、第一反卷积层、第二反卷积层、第二上采样层，最后由第三反卷积层输出；所述第一最大池化层的输出特征通过第一跳跃连接点与第二反卷积层的输出特征相加，作为第二上采样层的输入特征；所述第三卷积层的输出特征通过第二跳跃连接点与第一上采样层的输出特征相加，作为第一反卷积层的输入特征；所述第一卷积层、第二卷积层、第三卷积层、第一反卷积层、第二反卷积层、第三反卷积层的输出特征均采用批量归一化的方式进行处理后，再输入到下一层；4分别计算低维特征类型数据集的各类特征向量对应的权重，并对低维特征类型数据集的各类特征向量对应的特征数据进行赋权，得到赋权后的低维特征类型数据集；5利用K-Means聚类模型对赋权后的低维特征类型数据集进行聚类，得到低维特征类型数据集的场景数据分类，并编号；6设置各场景类别的命名条件，根据各场景类别在高维场景特征数据集中对应的若干场景数据，对各场景类别命名。

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大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174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”。