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！

龙图腾网获悉吉林大学申请的专利3D目标检测模型训练方法、装置及3D目标检测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：CN120126119B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202510608465.3，技术领域涉及：G06V20/64；该发明授权3D目标检测模型训练方法、装置及3D目标检测方法是由温宇轩设计研发完成，并于2025-05-13向国家知识产权局提交的专利申请。

本3D目标检测模型训练方法、装置及3D目标检测方法在说明书摘要公布了：本申请提供一种3D目标检测模型训练方法、装置及3D目标检测方法，涉及图像数据处理技术领域。3D目标检测模型训练方法包括：获取有标签源域数据集；通过有标签源域数据集对待训练3D目标检测模型执行训练，得到初始3D目标检测模型；获取无标签目标域数据集；将目标域图像输入至初始3D目标检测模型，得到目标域类别概率；根据目标域类别概率计算目标域图像的采集分数；若采集分数符合预设目标，对目标域图像执行标注，得到有标签目标域数据集；通过有标签目标域数据集对初始3D目标检测模型执行训练，得到3D目标检测模型。该方法可以提高3D目标检测模型的域适应性、泛化能力及对于目标域图像的3D目标检测精度。

本发明授权3D目标检测模型训练方法、装置及3D目标检测方法在权利要求书中公布了：1.一种3D目标检测模型训练方法，其特征在于，所述方法包括： 获取有标签源域数据集，所述有标签源域数据集包括源域图像和所述源域图像的标签信息，所述标签信息包括源域目标检测框和源域目标类别；其中，所述源域图像为由多相机采集的图像，所述源域目标检测框为所述源域图像中的目标特征的坐标信息，所述源域目标类别为所述源域图像中的所述目标特征的类别信息； 对所述源域图像执行预处理，得到鸟瞰特征图； 将所述鸟瞰特征图输入至检测探头，得到预测目标检测框和预测目标类别； 根据所述源域目标检测框对所述鸟瞰特征图进行裁剪，得到所述目标特征，以及，将所述目标特征存入存储体； 对所述目标特征执行隐空间数据增强，得到采样特征； 根据所述采样特征确定计算上界； 根据所述计算上界计算所述隐空间数据增强损失，公式如下： ， 其中，表示所述隐空间数据增强损失；表示所述鸟瞰特征图的个数；表示第个所述鸟瞰特征图的目标个数；表示第个所述鸟瞰特征图的第个目标特征；和分别表示深度预测网络最后一层全连接层的权重矩阵和偏差；；表示所述最后一层全连接层的权重矩阵参数的第列；表示所述源域目标类别的个数；表示当前训练轮次与最大训练轮次的比值；表示所述源域目标类别的协方差； 根据所述目标特征计算物体感知对比学习损失； 根据所述源域目标检测框、所述源域目标类别、所述预测目标检测框和所述预测目标类别计算目标检测损失； 将所述隐空间数据增强损失、所述物体感知对比学习损失和所述目标检测损失相加，得到模型训练损失； 根据所述模型训练损失优化待训练3D目标检测模型，得到初始3D目标检测模型； 获取无标签目标域数据集，所述无标签目标域数据集包括目标域图像，所述目标域图像为由所述多相机采集的图像，所述目标域图像与所述源域图像的类型不同； 将所述目标域图像输入至所述初始3D目标检测模型，得到目标域类别概率，所述目标域类别概率为所述目标域图像中的所述目标特征属于各个类别的概率； 根据所述目标域类别概率计算所述目标域图像的采集分数； 若所述采集分数符合预设目标，对所述目标域图像执行标注，得到有标签目标域数据集； 通过所述有标签目标域数据集对所述初始3D目标检测模型执行训练，得到3D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吉林大学，其通讯地址为：130015 吉林省长春市前进大街2699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”。