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 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 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 > 同济大学余博获国家专利权

同济大学余博获国家专利权

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!

龙图腾网获悉同济大学申请的专利基于机器学习和固定扩散模型的低等级道路美学优化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:CN119314128B

龙图腾网通过国家知识产权局官网在2025-06-20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:202411361787.4,技术领域涉及:G06V20/56;该发明授权基于机器学习和固定扩散模型的低等级道路美学优化方法是由余博;姚思喆;陈雨人;高健强;何丽设计研发完成,并于2024-09-27向国家知识产权局提交的专利申请。

基于机器学习和固定扩散模型的低等级道路美学优化方法在说明书摘要公布了:本发明公开了基于机器学习和固定扩散模型的低等级道路美学优化方法,涉及低等级道路美学评估领域,包括以下步骤:S1:数据准备,采集低等级公路行车环境数据并进行数据处理;S2:基于美学计算确定优化对象,将XGBoost和SHAP结合建立低等级道路环境的美学计算模型,分析道路环境元素的多样性、统一性和对称性,计算低等级道路环境的整体美学得分和美学特征得分,确定优化对象;S3:采用固定扩散模型对过滤后的优化对象进行智能优化,固定扩散模型包括扩散模型、变分编码器VAE和条件控制模块;S4:验证优化效果,采用美学计算模型对比基于固定扩散模型的优化方案效果与基于CycleGAN的优化方案效果,本发明提高了优化道路环境美学质量方面的自动化和智能水平。

本发明授权基于机器学习和固定扩散模型的低等级道路美学优化方法在权利要求书中公布了:1.基于机器学习和固定扩散模型的低等级道路美学优化方法,其特征在于:包括以下步骤:S1:数据准备,采集低等级公路行车环境数据并进行数据处理;在步骤S1中,从语义信息、颜色信息和纹理信息对低等级道路环境元素进行量化,语义信息的获取过程如下:S11:根据构建的语义分割网络对原始行车环境图像进行语义分割;S12:语义分割网络使用ResNet50作为主干网络进行采样;S13:接入FPN网络对特征进行进一步的特征融合;S14:通过Bagging算法对采样得到的特征进行集成,语义分割后得到的语义信息包括道路、植被、防护设施和天空;色彩信息的获取过程如下:将行车环境图像进行灰度转换,再将灰度值映射到原始彩色图像中形成色彩热力图,灰度值越大,热力图中的颜色则越明亮,通过HSV色彩空间的色调Hue、饱和度Saturation和明度Value三个属性表示色彩信息;采用Gabor滤波法提取行车环境的纹理信息,具体过程如下:定义Gabor滤波器的方向角、空间纵横比、标准差和频率,生成与环境图像大小匹配的滤波器应用于行车环境图像,滤波处理后得到特定方向和尺度下的滤波响应图像;S2:基于美学计算确定优化对象,将XGBoost和SHAP结合建立低等级道路环境的美学计算模型,分析道路环境元素的多样性、统一性和对称性,计算低等级道路环境的整体美学得分和美学特征得分,确定优化对象;S3:采用固定扩散模型对过滤后的优化对象进行智能优化,固定扩散模型包括扩散模型、变分编码器VAE和条件控制模块;在步骤S3中,固定扩散模型对过滤后的优化对象进行智能优化的过程如下:S31:输入图片x通过编码器ε被到转换到潜在空间,得到潜在空间的潜在图像z;S32:扩散模型对潜在图像z不断加噪,进行向前扩散,得到最终的噪声图zT;S33:条件控制模块将输入的图片x和文本提示进一步处理作为限制条件τθy,并使噪声预测器解读,通过控制逆向扩散过程得到所需图像;S34:扩散模型的U-Net噪声预测器对噪声图zT进行去噪,得到不含噪声的潜在图像z,实现逆向扩散过程;S35:解码器将潜在空间输出图像z转换到像素空间,得到最终的图像生成元在步骤S3中,固定扩散模型的损失函数LSDM表现了美学学习模型在一定图像和条件信息下的所有噪声样本损失的期望值,LSDM的计算公式如下: 其中,y表示文本提示条件信息;εx表示经过编码器ε压缩映射到潜在空间的潜在图像;∈~N0,1表示噪声样本∈符合标准正态分布;Eεx,y,∈~N0,1,t表示模型在图像的所有可能的符合正态分布的噪声样本上的损失的期望值;表示通过噪声预测器计算得到的预测噪声和生成的噪声之间的差异的L2范数的平方;t为均匀采样的时间步;zt表示从编码器ε中得到的潜在表示;θ表示模型的参数;τθy表示条件信息y在参数为θ通过条件控制模块的转换;S4:验证优化效果,采用美学计算模型对比基于固定扩散模型的优化方案效果与基于CycleGAN的优化方案效果;基于美学计算的智能道路环境优化技术使整体美学得分和美学特征得分分别平均提高了64.5%和121.5%。

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同济大学,其通讯地址为:200092 上海市杨浦区四平路1239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。