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 > 中国铁塔股份有限公司刘艳飞获国家专利权

中国铁塔股份有限公司刘艳飞获国家专利权

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!

龙图腾网获悉中国铁塔股份有限公司申请的专利占道施工检测方法、系统、设备、介质和程序产品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:CN120259982B

龙图腾网通过国家知识产权局官网在2025-09-09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:202510735068.2,技术领域涉及:G06V20/52;该发明授权占道施工检测方法、系统、设备、介质和程序产品是由刘艳飞;余家忠;梁清华;田志新;刘子伟;毛宇兆;吴成龙;关鹏飞;曹润东;刘水;靳志娟;李飞;刘炳;刘昱晗;韩丽设计研发完成,并于2025-06-04向国家知识产权局提交的专利申请。

占道施工检测方法、系统、设备、介质和程序产品在说明书摘要公布了:本发明公开了占道施工检测方法、系统、设备、介质和程序产品,所述方法包括对数据集中的未标注图像样本进行占道施工目标的自动化标注,获得完整检测结果图像集合;对包含预定义类别目标的完整检测结果图像集合进行图像预处理,获得标注图像样本并存入数据集中;利用数据集对占道施工目标检测模型进行训练和增量优化,获得最终的占道施工目标检测模型;利用最终的占道施工目标检测模型进行占道施工主标识物和次标识物的检测,结合层次化聚类分析,综合判断目标区域是否为占道施工。本发明实现对占道施工行为的识别和判定,提高监测效率和准确性,为交通管理、城市规划和施工安全提供更加可靠的数据基础和决策支持。

本发明授权占道施工检测方法、系统、设备、介质和程序产品在权利要求书中公布了:1.一种占道施工检测方法,其特征在于,包括: 对数据集中的未标注图像样本进行占道施工目标的自动化标注,获得完整检测结果图像集合; 对包含预定义类别目标的完整检测结果图像集合进行图像预处理,获得标注图像样本并存入数据集中; 利用数据集对占道施工目标检测模型进行训练和增量优化,获得最终的占道施工目标检测模型; 利用最终的占道施工目标检测模型进行占道施工主标识物和次标识物的检测,结合层次化聚类分析,综合判断目标区域是否为占道施工; 其中, 利用数据集对占道施工目标检测模型进行训练和增量优化,获得最终的占道施工目标检测模型,包括: 搭建包含目标检测分支、超分重建辅助分支和小目标重建分支的三分支网络,并将三分支网络作为占道施工目标检测模型;其中,目标检测分支、超分重建辅助分支和小目标重建分支共享基础特征提取网络结构; 在每次训练过程中所述三分支网络对输入图像进行特征提取和目标检测,包括: 假设输入数据为,将输入数据输入至三分支网络中;其中,表示输入图像,输入图像包括未标注图像样本和标注图像样本;表示输入图像对应的超分图像;表示输入图像的标注信息,当输入图像为未标注图像样本时Y为空,其中所述标注信息包括目标检测框和目标类别数据; 三分支网络对输入图像中的区域进行随机抠除,构建小目标重建输入图像;其中,若输入图像为标注图像样本时,则同时对输入图像的标注信息中的小目标区域进行随机的部分抠除; 利用三个分支共享的基础特征提取网络结构分别提取输入图像和小目标重建输入图像的基础特征,获得输入图像的基础特征和小目标重建输入图像的基础特征; 将输入图像的基础特征分别输入至超分重建辅助分支和小目标重建分支,将小目标重建输入图像的基础特征输入至小目标重建分支; 所述小目标重建分支对小目标重建输入图像的基础特征进行特征变换获得小目标融合特征,并基于小目标融合特征重建出输入图像随机抠除的区域; 所述小目标重建分支对输入图像的基础特征进行特征变换获得小目标重建特征; 所述超分重建辅助分支对输入图像的基础特征进行特征变换获得超分重建特征,并基于超分重建特征重建出输入图像对应的超分图像; 基于输入图像的基础特征、小目标重建特征和超分重建特征,所述目标检测分支采用注意力机制进行特征融合和目标检测,预测获得输入图像的目标检测框及其对应的目标类别。

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中国铁塔股份有限公司,其通讯地址为:100195 北京市海淀区东冉北街9号院北区14号楼-1至3层101;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”。

以上内容由AI智能生成
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。