Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜苏州科技大学金宇锋获国家专利权

恭喜苏州科技大学金宇锋获国家专利权

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!

龙图腾网恭喜苏州科技大学申请的专利基于辅助任务学习网络的三维目标检测方法、系统及存储介质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:CN116704464B

龙图腾网通过国家知识产权局官网在2025-05-06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:202310706306.8,技术领域涉及:G06V20/56;该发明授权基于辅助任务学习网络的三维目标检测方法、系统及存储介质是由金宇锋;李兴通;刘仪婷;薛俊;钱星铭;肖昊;陶重犇设计研发完成,并于2023-06-14向国家知识产权局提交的专利申请。

基于辅助任务学习网络的三维目标检测方法、系统及存储介质在说明书摘要公布了:本发明提供了一种基于辅助任务学习网络的三维目标检测方法、系统及存储介质,包括:步骤一,进行集合抽象:设计一种集合抽象层,所述集合抽象层由采样层、分组层和点网络层组成;步骤二:将D‑FPS和FS输出结果并行输入到体素特征编码与自注意力机制层中,构成辅助任务学习网络;步骤三:在候选生成层中,使用F‑FPS中的代表性点作为初始中心点,初始中心点在它们相对位置的监督与辅助网络中心点估计的修正下,转移至其相应实例,从而生成新的候选点;步骤四,数据增强。本发明的有益效果是:本发明的目标检测精度高,实时性好,可泛化能力强,可以满足自动驾驶应用场景下,目标检测在线处理和高精度的要求。

本发明授权基于辅助任务学习网络的三维目标检测方法、系统及存储介质在权利要求书中公布了:1.一种基于辅助任务学习网络的三维目标检测方法,其特征在于,包括如下步骤:步骤一,进行集合抽象:设计一种集合抽象层,所述集合抽象层由采样层、分组层和点网络层组成,所述采样层首先从输入点中选择一组点,这些点定义了局部区域的质心,给定输入点{x1,x2,x3,...,xn},使用迭代最远点采样FPS,即欧式空间最远点采样D-FPS选择一个点的子集{x1i,xi2,xi3,...,xim};然后再分别用F-FPS和D-FPS的融合采样策略FS对点进行采样,并将这两个集合放在A层中进行分组操作,F-FPS表示特征最远点采样;所述分组层通过在质心周围寻找邻接点来构造相应局部区域集;所述点网络层使用一个微型点网络将局部区域模式编码为特征向量,给定一个无序点集{x1,x2,x3,...,xn};当时,可以定义一个集合函数它将一组点映射到一个向量;步骤二:将D-FPS和FS输出结果并行输入到体素特征编码与自注意力机制层中,构成辅助任务学习网络,所述辅助任务学习网络能够监督学习点云中的几何结构信息,并引导骨干网络对不同阶段的中间特征进行学习,从而获得点云的细粒度结构信息;步骤三:在候选生成层中,使用F-FPS中的代表性点作为初始中心点,初始中心点在它们相对位置的监督与辅助网络中心点估计的修正下,转移至其相应实例,从而生成新的候选点;步骤四,数据增强:首先使用一般邻近分布用于构建虚拟训练示例;然后,使用高斯噪声扰动对点云进行偏移,最后,对每一个边界框进行随机旋转和平移,并遵循平均分布Δθ1∈[-π4,+π4];同时,添加随机变换Δx,Δy,Δz。

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苏州科技大学,其通讯地址为:215000 江苏省苏州市高新区科锐路1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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。