買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉深圳大學(xué)申請(qǐng)的專利基于多模態(tài)蒸餾的相機(jī)三維目標(biāo)檢測(cè)方法和系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120374963B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510868667.1，技術(shù)領(lǐng)域涉及：G06V10/25；該發(fā)明授權(quán)基于多模態(tài)蒸餾的相機(jī)三維目標(biāo)檢測(cè)方法和系統(tǒng)是由趙睿;王朔遙設(shè)計(jì)研發(fā)完成，并于2025-06-26向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于多模態(tài)蒸餾的相機(jī)三維目標(biāo)檢測(cè)方法和系統(tǒng)在說明書摘要公布了：本發(fā)明所提供的基于多模態(tài)蒸餾的相機(jī)三維目標(biāo)檢測(cè)方法和系統(tǒng)，涉及目標(biāo)檢測(cè)技術(shù)領(lǐng)域，該方法包括：確定訓(xùn)練好的以點(diǎn)云和多視角相機(jī)圖像作為輸入的多模態(tài)教師模型，利用教師模型中的點(diǎn)云特征對(duì)構(gòu)建出的以多視角相機(jī)圖像作為輸入的學(xué)生模型進(jìn)行跨模態(tài)對(duì)比蒸餾，使其具備空間幾何推理能力構(gòu)造出偽點(diǎn)云特征，利用多模態(tài)適應(yīng)性平滑蒸餾方式，對(duì)齊基于偽點(diǎn)云特征和圖像特征異構(gòu)融合得到的學(xué)生模型特征和基于點(diǎn)云特征和圖像特征通道融合得到的教師模型特征，在教師模型的回歸輸出優(yōu)于學(xué)生模型的回歸輸出時(shí)，選擇將其回歸框知識(shí)蒸餾至學(xué)生模型中，通過上述訓(xùn)練過程，能夠保證學(xué)生模型和教師模型結(jié)構(gòu)上的一致性，提高學(xué)生模型的三維目標(biāo)檢測(cè)準(zhǔn)確性。

本發(fā)明授權(quán)基于多模態(tài)蒸餾的相機(jī)三維目標(biāo)檢測(cè)方法和系統(tǒng)在權(quán)利要求書中公布了：1.一種基于多模態(tài)蒸餾的相機(jī)三維目標(biāo)檢測(cè)方法，其特征在于，所述方法包括： 確定訓(xùn)練好的以點(diǎn)云和多視角相機(jī)圖像作為輸入進(jìn)行三維目標(biāo)檢測(cè)的多模態(tài)教師模型，并構(gòu)建以多視角相機(jī)圖像作為輸入的學(xué)生模型； 在訓(xùn)練學(xué)生模型的過程中，利用多模態(tài)教師模型中的點(diǎn)云特征對(duì)學(xué)生模型中的圖像特征進(jìn)行跨模態(tài)對(duì)比蒸餾，得到具備空間幾何推理能力的學(xué)生模型，以便學(xué)生模型基于所述圖像特征構(gòu)造出相應(yīng)的偽點(diǎn)云特征； 利用多模態(tài)適應(yīng)性平滑蒸餾方式，對(duì)齊學(xué)生模型特征和教師模型特征；其中，所述學(xué)生模型特征為學(xué)生模型基于所述偽點(diǎn)云特征和所述圖像特征進(jìn)行異構(gòu)融合得到的融合后特征，并且所述教師模型特征為多模態(tài)教師模型基于所述點(diǎn)云特征和所述圖像特征進(jìn)行通道融合得到的融合后特征； 獲取訓(xùn)練過程中學(xué)生模型的回歸輸出和多模態(tài)教師模型的回歸輸出，并判斷多模態(tài)教師模型的回歸輸出是否優(yōu)于學(xué)生模型的回歸輸出； 在多模態(tài)教師模型的回歸輸出優(yōu)于學(xué)生模型的回歸輸出時(shí)，則將多模態(tài)教師模型所具備的回歸框知識(shí)蒸餾傳遞至學(xué)生模型中，得到訓(xùn)練好的用于三維目標(biāo)檢測(cè)的學(xué)生模型； 其中，所述利用多模態(tài)教師模型中的點(diǎn)云特征對(duì)學(xué)生模型中的圖像特征進(jìn)行跨模態(tài)對(duì)比蒸餾，包括： 計(jì)算正樣本特征對(duì)的相似度強(qiáng)度和負(fù)樣本特征對(duì)的相似度強(qiáng)度； 利用預(yù)設(shè)對(duì)比損失函數(shù)，并基于所述正樣本特征對(duì)的相似度強(qiáng)度和所述負(fù)樣本特征對(duì)的相似度強(qiáng)度計(jì)算出相應(yīng)的對(duì)比損失結(jié)果； 基于所述對(duì)比損失結(jié)果控制學(xué)生模型隱式學(xué)習(xí)與多模態(tài)教師模型共享的特征空間； 其中，正樣本特征對(duì)為在同一場(chǎng)景下，多模態(tài)教師模型提取的點(diǎn)云特征與學(xué)生模型對(duì)應(yīng)空間位置提取的圖像特征，負(fù)樣本特征對(duì)為多模態(tài)教師模型提取的點(diǎn)云特征與學(xué)生模型在其他場(chǎng)景提取的圖像特征或在同一場(chǎng)景下，多模態(tài)教師模型提取的點(diǎn)云特征與學(xué)生模型在非對(duì)應(yīng)空間位置提取的圖像特征； 并且，所述預(yù)設(shè)對(duì)比損失函數(shù)為： ； 其中，表示對(duì)比損失結(jié)果，表示余弦相似度函數(shù)，表示多模態(tài)教師模型中的點(diǎn)云特征，表示正樣本特征，表示負(fù)樣本特征，表示縮放因子，表示縮放后的正樣本特征對(duì)的相似度強(qiáng)度，表示縮放后的負(fù)樣本特征對(duì)的相似度強(qiáng)度，表示所有縮放后的負(fù)樣本特征對(duì)的相似度強(qiáng)度之和。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人深圳大學(xué)，其通訊地址為：518060 廣東省深圳市南山區(qū)粵海街道南海大道3688號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。