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！

龙图腾网获悉深圳小湃科技有限公司申请的专利HDR开关控制模型训练方法、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：CN117274693B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202311223889.5，技术领域涉及：G06V10/764；该发明授权HDR开关控制模型训练方法、电子设备及存储介质是由王晓晖;韦佳旭;李彬;李昌毅设计研发完成，并于2023-09-21向国家知识产权局提交的专利申请。

本HDR开关控制模型训练方法、电子设备及存储介质在说明书摘要公布了：本申请公开了一种HDR开关控制模型训练方法、电子设备及存储介质，涉及图像处理技术领域，所述HDR开关控制模型训练方法包括：通过图像特征样本数据对第一HDR开关控制模型进行训练，得到第二HDR开关控制模型；当训练次数达到预设次数时，根据第二HDR开关控制模型输出的预测结果和对应的真实标签，判断第二HDR开关控制模型是否符合预设条件；若是，则将第二HDR开关控制模型置为第三HDR开关控制模型；若否，则更新第二HDR开关控制模型的模型参数并继续训练第二HDR开关控制模型。本申请解决了相机HDR功能的手动开关对于用户来说操作门槛过高的技术问题。

本发明授权HDR开关控制模型训练方法、电子设备及存储介质在权利要求书中公布了：1.一种HDR开关控制模型训练方法，其特征在于，所述HDR开关控制模型训练方法包括： 基于预设的模型框架，搭建第一HDR开关控制模型，其中，所述第一HDR开关控制模型中包括至少一个密集连接的通道重排模块，所述通道重排模块包括一个通道重排层和多个互相连接的卷积池化层，所述通道重排层位于各所述卷积池化层之间；初始化所述第一HDR开关控制模型的模型参数； 采集多个场景下的图像，其中，每个场景的图像至少包括第一光线图像和第二光线图像，所述第二光线图像的亮度高于所述第一光线图像的亮度；提取各所述图像的亮度特征，得到各所述图像对应的特征样本，所述亮度特征为相机摄像头YUV域中Y通道的统计值；将各所述特征样本划分为训练集数据和测试集数据；根据各图像的当前画面情况，人工判断是否需要开启HDR功能；获取各所述特征样本分别对应的真实标签； 将所述训练集数据中的第一特征样本输入所述第一HDR开关控制模型，得到所述第一特征样本对应的第一预测结果；将所述第一预测结果与所述第一特征样本对应的真实标签输入预设的交叉熵损失函数，得到第一损失函数值；基于所述第一损失函数值的变化情况，采用网格搜索、随机搜索或贝叶斯搜索方法优化所述第一HDR开关控制模型的模型参数，得到第二HDR开关控制模型； 当训练次数达到预设次数时，根据所述第二HDR开关控制模型输出的预测结果和对应的真实标签，判断所述第二HDR开关控制模型是否符合预设条件，所述预测结果和所述真实标签均包括HDR功能开关状态； 若是，则将所述第二HDR开关控制模型置为第三HDR开关控制模型，其中，所述第三HDR开关控制模型用于根据拍摄到的图像控制HDR功能开关； 若否，则更新所述第二HDR开关控制模型的模型参数并置为第一HDR开关控制模型，返回执行步骤：通过图像特征样本数据对第一HDR开关控制模型进行训练，其中，所述图像特征样本数据包括多个特征样本； 其中，所述第一HDR开关控制模型包括卷积层、池化层、密集连接的通道重排模块、全局池化层以及全连接层，所述将所述训练集数据中的第一特征样本输入所述第一HDR开关控制模型，得到所述第一特征样本对应的第一预测结果的步骤包括： 将所述第一特征样本输入卷积层，通过所述卷积层提取所述第一特征样本的特征，得到第一特征数据； 将所述第一特征数据输入池化层，生成第二特征数据； 将所述第二特征数据输入密集连接的通道重排模块，通过所述通道重排模块对所述第二特征数据进行特征提取和通道重排，得到第三特征数据，其中，将特征样本输入卷积池化层，再输入所述通道重排模块，所述卷积池化层+通道重排模块结构的数量根据训练情况进行调整； 将所述第三特征数据输入全局池化层，生成第四特征数据； 将所述第四特征数据输入全连接层，通过所述全连接层进行结果预测，输出第一预测结果。

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深圳小湃科技有限公司，其通讯地址为：518000 广东省深圳市南山区粤海街道高新区社区高新南一道008号创维大厦A806；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。