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！

龙图腾网获悉电子科技大学(深圳)高等研究院;电子科技大学申请的专利轻量化学生网络模型的训练方法及无人机的单目深度估计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：CN120656095B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202511139978.0，技术领域涉及：G06V20/17；该发明授权轻量化学生网络模型的训练方法及无人机的单目深度估计方法是由李浩;凡时财;邹见效设计研发完成，并于2025-08-14向国家知识产权局提交的专利申请。

本轻量化学生网络模型的训练方法及无人机的单目深度估计方法在说明书摘要公布了：本发明公开了一种轻量化学生网络模型的训练方法及无人机的单目深度估计方法。训练方法包括：提取原始图像的边缘检测图像，将边缘检测图像和原始图像分别输入教师网络进行推理；对推理得到的初始深度图和边缘深度图进行融合处理，并将融合深度图作为指导学生网络训练的软标签；将原始图像输入学生网络中，以供学生网络在软标签指导下，采用教师‑学生网络范式蒸馏方式进行自监督训练，输出预测深度图，并计算学生网络的总体损失函数，在总体损失函数处于预设范围时，学生网络收敛，获得轻量化学生网络模型。本申请能够减少参数量、计算量和存储需求，实现模型轻量化，部署在无人机上能够增强单目深度估计能力。

本发明授权轻量化学生网络模型的训练方法及无人机的单目深度估计方法在权利要求书中公布了：1.一种轻量化学生网络模型的训练方法，其特征在于，包括： 提取原始图像的边缘检测图像，将所述边缘检测图像和所述原始图像分别输入预训练的教师网络进行推理，获得边缘深度图和初始深度图； 将所述边缘深度图作为引导图，对所述初始深度图和所述边缘深度图进行融合处理，获得融合深度图，并将所述融合深度图作为指导学生网络训练的软标签； 将所述原始图像输入所述学生网络中，以供所述学生网络在所述软标签指导下，采用教师-学生网络范式蒸馏方式进行自监督训练，输出预测深度图； 将所述原始图像与相邻帧图像拼接后，输入姿态网络，获得位姿变换矩阵，并基于所述位姿变换矩阵和所述预测深度图进行图像重建，获得重建图像； 计算所述学生网络的总体损失函数，在所述总体损失函数处于预设范围时，所述学生网络收敛，获得轻量化学生网络模型； 其中，所述总体损失函数为成对损失函数、拉普拉斯蒸馏损失函数、逐像素蒸馏损失函数、基础损失函数之和，所述基础损失函数为所述重建图像与所述原始图像之间的光度重投影损失函数和平滑损失函数之和，所述逐像素蒸馏损失函数为所述融合深度图与所述预测深度图之间的逐像素蒸馏损失函数，所述成对损失函数和所述拉普拉斯蒸馏损失函数基于所述教师网络的教师中间特征图与所述学生网络的学生中间特征图确定； 所述将所述原始图像与相邻帧图像拼接后，输入姿态网络，获得位姿变换矩阵，并基于所述位姿变换矩阵和所述预测深度图进行图像重建，获得重建图像，包括： 将所述原始图像与相邻帧图像拼接后，获得拼接图像； 将所述拼接图像输入所述姿态网络中，获得位姿变换矩阵； 基于相机内参矩阵、所述预测深度图和所述位姿变换矩阵，通过空间几何变换，将所述原始图像上的像素点映射到所述相邻帧图像的坐标系中对应的像素点； 将所述相邻帧图像上的像素值采样到所述原始图像的视角下，获得重建图像； 所述计算所述学生网络的总体损失函数，包括： 计算所述基础损失函数，所述基础损失函数为所述重建图像与所述原始图像之间的光度重投影损失函数和平滑损失函数； 计算所述融合深度图与所述预测深度图之间的逐像素蒸馏损失函数； 计算所述教师网络的教师中间特征图与所述学生网络的学生中间特征图之间的成对损失函数和所述拉普拉斯蒸馏损失函数； 基于所述光度重投影损失函数、平滑损失函数、逐像素蒸馏损失函数、成对损失函数和所述拉普拉斯蒸馏损失函数，用以下公式计算所述总体损失函数； ； 其中，表示总体损失函数，表示基础损失函数，所述基础损失函数为所述光度重投影损失函数和平滑损失函数的和，表示所述教师网络的教师中间特征图与所述学生网络的学生中间特征图之间的亲和力成对损失函数，表示所述拉普拉斯蒸馏损失函数，表示逐像素蒸馏损失函数。

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电子科技大学(深圳)高等研究院;电子科技大学，其通讯地址为：518110 广东省深圳市龙华区观澜街道新澜社区观光路1301-78号银星智界二期2号楼；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”。

以上内容由龙图腾AI智能生成。