Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 积分商城 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 > 西安电子科技大学田小林获国家专利权

西安电子科技大学田小林获国家专利权

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!

龙图腾网获悉西安电子科技大学申请的专利一种基于最小化多支路网络旋转方差的跨域视线预测方法、装置、电子设备及存储介质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:CN120071422B

龙图腾网通过国家知识产权局官网在2026-01-30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:202510050507.6,技术领域涉及:G06V40/18;该发明授权一种基于最小化多支路网络旋转方差的跨域视线预测方法、装置、电子设备及存储介质是由田小林;陶硕;盛一帆;程杰;杨逸歌;焦李成设计研发完成,并于2025-01-13向国家知识产权局提交的专利申请。

一种基于最小化多支路网络旋转方差的跨域视线预测方法、装置、电子设备及存储介质在说明书摘要公布了:本发明公开了一种基于最小化多支路网络旋转方差的跨域视线预测方法,包括以下步骤:将源域图像进行光照变换,得到源域输入图像集;将源域输入图像集输入初始的视线预测网络,对初始的视线预测网络的参数进行更新,得到预训练的视线预测网络;将目标域图像进行光照变换图像和对应的原图像输入预训练的视线预测网络,对预训练的视线预测网络进行训练,得到预测目标视线预测网络;将目标域图像输入预测目标视线预测网络,根据输出的预测结果确定预测目标视线。本发明可以提取更加鲁棒的视线特征,减小了模型不确定性,可以在少量无标签的目标域数据进行更好的自适应,提高了跨域视线估计的精度。

本发明授权一种基于最小化多支路网络旋转方差的跨域视线预测方法、装置、电子设备及存储介质在权利要求书中公布了:1.一种基于最小化多支路网络旋转方差的跨域视线预测方法,其特征在于,包括以下步骤: 将源域图像进行光照变换,得到源域输入图像集; 将源域输入图像集输入初始的视线预测网络,得到输出结果,并最小化输出结果和视线真实标签之间的均方根误差以对所述初始的视线预测网络的参数进行更新,得到预训练的视线预测网络,包括:将源域输入图像集输入初始的视线预测网络的主干网络,输出视线特征;将所述视线特征输入初始的视线预测网络的原视线角预测支路网络中,得到第一输出结果;最小化所述第一输出结果和视线真实标签之间的均方根误差以对所述初始的视线预测网络的主干网络和原视线角预测支路网络的参数进行更新;其中,当预测原视线角时会更新主干网络,预测旋转视线角时冻结主干网络的参数,不更新;将所述视线特征输入初始的视线预测网络的多个旋转预测支路网络中,得到第二输出结果;最小化所述第二输出结果和视线真实标签之间的均方根误差以对所述初始的视线预测网络的多个旋转预测支路网络的参数进行更新;更新完成后得到预训练的视线预测网络;其中,所述视线预测网络包括:主干网络、位于所述主干网络输出端并列的原视线角预测支路网络和多个旋转预测支路网络; 将目标域图像进行光照变换后的光照变换图像输入所述预训练的视线预测网络,输出第一预训练结果,并根据所述第一预训练结果、原视线角预测支路网络和多个旋转预测支路网络的旋转角,确定目标域伪标签,包括:将目标域图像进行光照变换,得到目标域输入图像集;将所述目标域输入图像集中的光照变换图像输入所述预训练的视线预测网络,输出第一预训练结果;根据所述第一预训练结果、原视线角预测支路网络和多个旋转预测支路网络的旋转角,确定目标域伪标签,包括:用两种随机光照变换的图像送入网络中预测多个视线,然后平均原视线预测角和多个旋转预测视线角以得到伪标签pt,如下所示: 其中,K表示原视线角预测支路网络和多个旋转预测支路网络的个数;表示第一预训练结果,表示目标域输入图像集中的光照变换图像,也即是光照随机增强图像和光照随机减弱图像的集合;θ表示原视线角预测支路网络的旋转角; 将所述目标域图像进行光照变换对应的原图像输入所述预训练的视线预测网络,并结合所述目标域伪标签对所述预训练的视线预测网络进行训练,得到预测目标视线预测网络,包括:将所述目标域图像进行光照变换对应的原图像输入所述预训练的视线预测网络,输出第二预训练结果;根据所述第二预训练结果确定方差最小化损失;根据所述第二预训练结果和所述目标域伪标签,确定伪标签监督最小化损失;根据所述方差最小化损失和所述伪标签监督最小化损失,确定目标损失;根据所述目标损失对所述预训练的视线预测网络的参数进行更新,得到预测目标视线预测网络;其中,所述目标损失的表达式为: 其中,It表示目标域输入图像集Dt中的原始图像,α表示权重超参, 表示第二预训练结果; 将所述目标域图像输入所述预测目标视线预测网络,根据输出的预测结果确定预测目标视线。

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西安电子科技大学,其通讯地址为:710071 陕西省西安市太白南路2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。

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。