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！

龙图腾网获悉松立控股集团股份有限公司申请的专利基于车牌间协同学习机制的车牌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：CN115578722B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202211263767.4，技术领域涉及：G06V20/62；该发明授权基于车牌间协同学习机制的车牌检测方法是由刘寒松;孙小伟;王永;王国强;刘瑞设计研发完成，并于2022-10-17向国家知识产权局提交的专利申请。

本基于车牌间协同学习机制的车牌检测方法在说明书摘要公布了：本发明属于车牌检测技术领域，涉及一种基于车牌间协同学习机制的车牌检测方法，以车牌检测数据集中车牌检测图片之间强一致性为基础，通过尺度间协同注意力机制学习不同车牌检测图片网络层输出特征之间的一致性，从而保证网络在特征提取阶段车牌特征之间的交互性，通过车牌特征之间的交互，实现共性特征之间共享。然后通过语义协同注意力机制学习不同车牌检测图片高层输出语义之间的一致性，从而保证网络能够凭借语义特征缩小车牌特征搜索范围，最终通过语义尺度协同学习机制融合网络语义上下文之间的关系，提升复杂场景车牌检测精度，不仅可以用来进行复杂场景下的车牌检测，还可用于复杂场景下的物体分割以及复杂场景下的物体检测。

本发明授权基于车牌间协同学习机制的车牌检测方法在权利要求书中公布了：1.一种基于车牌间协同学习机制的车牌检测方法，其特征在于，具体包括如下步骤： 1收集不同复杂场景下的车牌图片构建车牌检测数据集，其中，每张图片包含车牌顶点坐标以及车牌字符标注信息，并将构建的车牌检测数据集划分为训练集、验证集和测试集； 2将训练集中的两张车牌图片分别输入到基础网络，将基础网络中间层特征输出作为多尺度特征，然后将网络不同层的侧输出通过卷积层转变为统一维度的特征层，并通过下采样和上采样操作将多尺度特征聚合得到多尺度聚合特征； 3在步骤2得到的多尺度聚合特征基础上，通过尺度间协同注意力机制学习车牌间丰富的尺度信息交互，尺度信息交互采用协同关系建模的方式，即通过学习车牌间的相似性矩阵进行尺度信息交互，从而提升车牌间的一致性，同时过滤掉车牌区域的背景干扰信息，得到车牌精细化前景区域；具体过程为： 先计算尺度间关系矩阵得到, 其中，是矩阵乘法，Norm是基于维度的归一化函数，是L2归一化函数，将关系矩阵数值归一化，将关系矩阵稀疏化，防止车牌间信息存在噪声数据干扰，然后到对多尺度聚合特征、增强得到、： ， 其中，是基于矩阵元素之间的乘法，而的计算方式定义如下， ， 其中函数的定义与中函数的定义方式相同； 4采用语义间协同注意力机制对车牌间的高层区域的一致性求解，突出语义相同的车牌区域，得到车牌最具判别性区域特征； 5采用语义尺度协同学习机制对步骤3得到的车牌精细化前景区域和步骤4得到的车牌最具判别性区域特征协同学习，得到精细化的车牌检测区域特征； 6将精细化的车牌检测区域特征转化为车牌分类信息和车牌坐标信息，将聚合后的特征与初始特征加权融合，从而增强共性车牌区域特征，滤除背景干扰信息； 7使用步骤1构建的训练集训练车牌检测网络； 8使用步骤1构建的测试集测试步骤7训练好的车牌检测网络，输出车牌类别置信度并输出坐标位置信息； 9根据车牌检测网络输出的结果，借助基于LSTM的车牌识别算法，识别车牌中的字符并输出车牌字符信息，完成车牌检测。

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松立控股集团股份有限公司，其通讯地址为：266000 山东省青岛市市南区宁夏路288号软件园6号楼11层；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。