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！

龙图腾网获悉西安科技大学申请的专利一种基于深度学习的车辆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：CN121544874B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610053392.0，技术领域涉及：G06V10/25；该发明授权一种基于深度学习的车辆目标检测方法是由田丰;郭帅;刘晓佩;王东嘉设计研发完成，并于2026-01-15向国家知识产权局提交的专利申请。

本一种基于深度学习的车辆目标检测方法在说明书摘要公布了：本发明属于车辆目标检测技术领域，公开了一种基于深度学习的车辆目标检测方法，方法包括：利用DINO模型生成输入图像的预测边界框；DINO模型训练方法包括：将预测边界框和真实边界框初步匹配，得到第一匹配对、未匹配预测边界框和未匹配真实边界框；以未匹配预测边界框和未匹配真实边界框为节点构建二分图；将二分图输入图神经网络，对未匹配预测边界框和未匹配真实边界框特征增强；对特征增强后的未匹配预测边界框和特征增强后的未匹配真实边界框二次匹配，得到第二匹配对；合并第一匹配对和第二匹配对，得到最终匹配结果；利用最终匹配结果训练DINO模型；本发明在训练过程中引入图神经网络的特征增强机制，改善了严重遮挡情况下车辆目标的检测性能。

本发明授权一种基于深度学习的车辆目标检测方法在权利要求书中公布了：1.一种基于深度学习的车辆目标检测方法，其特征在于，利用DINO模型生成输入图像中车辆目标的预测边界框；所述DINO模型的训练方法包括： 步骤1：将所述预测边界框和真实边界框进行初步匹配，筛选出置信度与定位精度适配的有效匹配关系，得到第一匹配对、未匹配预测边界框集合和未匹配真实边界框集合；所述未匹配预测边界框集合中包括若干未匹配预测边界框，所述未匹配真实边界框集合中包括若干未匹配真实边界框； 步骤2：以所述未匹配预测边界框和未匹配真实边界框为节点构建二分图； 步骤3：将所述二分图输入图神经网络，对所述未匹配预测边界框和未匹配真实边界框进行特征增强，具体为：将所述二分图输入图神经网络的第一注意力层，通过多头注意力机制，聚合每个所述节点的邻域节点在不同表示子空间下的信息，以生成每个所述节点的高维中间特征；将每个所述节点的高维中间特征输入图神经网络的第二注意力层，通过单头注意力机制，对每个所述节点的高维中间特征进行融合与降维，生成每个所述节点的增强特征，得到特征增强后的未匹配预测边界框和特征增强后的未匹配真实边界框；其中，所述图神经网络为图注意力网络，所述多头注意力机制为四头注意力机制； 步骤4：对特征增强后的未匹配预测边界框和特征增强后的未匹配真实边界框进行二次匹配，得到第二匹配对； 步骤5：合并所述第一匹配对和第二匹配对，形成最终匹配结果； 步骤6：根据所述最终匹配结果对DINO模型进行训练，以优化所述DINO模型在遮挡场景下的检测性能； 其中，步骤2中，以所述未匹配预测边界框和未匹配真实边界框为节点构建二分图包括： 将所述未匹配预测边界框集合中的每个未匹配预测边界框定义为一个预测节点，将所述未匹配真实边界框集合中的每个未匹配真实边界框定义为一个真实节点； 为每个节点构建节点特征，所述节点特征包括该节点对应的未匹配边界框的几何信息与语义特征；所述节点为预测节点或真实节点，所述未匹配边界框为未匹配预测边界框或未匹配真实边界框； 在任意两个所述节点之间建立一条边； 为每条所述边构建边特征，所述边特征用于表征所述边所连接的两个节点对应的未匹配边界框之间的空间关系，得到二分图。

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科技大学，其通讯地址为：710054 陕西省西安市雁塔区雁塔中路58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。