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！

龙图腾网获悉北京交通大学申请的专利一种基于实例结构相关性的二维图像中三维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：CN115346207B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202210926762.9，技术领域涉及：G06V20/64；该发明授权一种基于实例结构相关性的二维图像中三维目标检测方法是由曹原周汉;李浥东;张慧;陈乃月;郎丛妍设计研发完成，并于2022-08-03向国家知识产权局提交的专利申请。

本一种基于实例结构相关性的二维图像中三维目标检测方法在说明书摘要公布了：本发明提供了一种基于实例结构相关性的二维图像中三维目标检测方法。包括采集交通场景中的RGB图像集，利用RGB图像集构建训练集与测试集；构建基于卷积神经网络的三维目标检测模型，包括RGB图像特征提取主干网络、实例结构相关性构建模块和多任务检测分支，利用训练集对三维目标检测模型进行训练，通过随机梯度下降算法计算多任务损失函数，对三维目标检测模型中的参数进行更新，直至模型收敛，得到训练好的三维目标检测模型；利用训练好的三维目标检测模型对待检测二维RGB图像中的三维物体进行预测。本发明创新性地提取实例的深度结构模型，采用多头注意力机制构建实例之间的结构相关性，利用更新后的实例特征能够获得更准确的三维目标估计结果。

本发明授权一种基于实例结构相关性的二维图像中三维目标检测方法在权利要求书中公布了：1.一种基于实例结构相关性的二维图像中三维目标检测方法，其特征在于，包括： 采集交通场景中的RGB图像集，利用RGB图像集构建训练集与测试集； 构建基于卷积神经网络的三维目标检测模型，所述三维目标检测模型包括RGB图像特征提取主干网络、实例结构相关性构建模块和多任务检测分支； 利用所述训练集与测试集对所述三维目标检测模型进行训练，通过随机梯度下降算法计算多任务损失函数，对三维目标检测模型中的参数进行更新，直至三维目标检测模型收敛，得到训练好的三维目标检测模型； 利用所述训练好的三维目标检测模型对待检测二维RGB图像中的三维物体进行检测； 所述的构建基于卷积神经网络的三维目标检测模型，所述三维目标检测模型包括RGB图像特征提取主干网络、实例结构相关性构建模块和多任务检测分支，包括： 构建基于卷积神经网络的三维目标检测模型，所述三维目标检测模型包括RGB图像特征提取主干网络、实例结构相关性构建模块和多任务检测分支，所述特征提取主干网络包含4个卷积模块，用于提取多层级外观及结构特征，所述实例结构相关性构建模块以实例的结构特征做为输入，构建实例之间的相关性，所述多任务检测分支用于利用分类器对三维目标进行分类，并确定三维目标在二维及三维空间中的位置； 所述的利用所述训练集与测试集对所述三维目标检测模型进行训练，通过随机梯度下降算法计算多任务损失函数，对三维目标检测模型中的参数进行更新，直至三维目标检测模型收敛，得到训练好的三维目标检测模型，包括： 步骤S3-1：初始化所述三维目标检测模型的参数，具体包含特征提取主干网络以及分类器与回归器中所包含的卷积层、全连接层与归一化层中的参数； 步骤S3-2：设置训练参数，该训练参数包括学习率、冲量、批量大小与迭代次数，采用随机梯度下降算法对三维目标检测模型进行训练； 步骤S3-3：计算目标函数值，对于任一迭代批次，将全部图像输入至三维目标检测模型，并得到三维目标检测模型估计的类别、位置、尺寸与深度信息，通过与实际标注值的误差得到目标函数值，三维目标检测模型训练时共计算三种目标函数值： ,1 ,2 ,3 其中公式1中的与分别为第个目标的类别标注与估计概率，公式2中的代表第个目标的二维估计框；公式3中的与分别代表第个目标的中心度与三维估计框，上标表示实际标注值，表示目标总数；步骤S3-4：将多个目标函数值相加得到总目标函数值，并分别对三维目标检测模型中的所有参数求偏导数，通过随机梯度下降法对参数进行更新； 步骤S3-5：重复进行步骤S3-3与步骤3-4，不断更新三维目标检测模型的参数，直至训练过程中的目标函数值不再下降，三维目标检测模型收敛，最后输出训练好的三维目标检测模型参数。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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”。

以上内容由龙图腾AI智能生成。