買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國科學技術大學申請的專利一種基于噪聲數據的半監督三維目標檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN117115555B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202311188737.6，技術領域涉及：G06V10/764；該發明授權一種基于噪聲數據的半監督三維目標檢測方法是由趙峰;祁禹坤;陳澤徽設計研發完成，并于2023-09-14向國家知識產權局提交的專利申請。

本一種基于噪聲數據的半監督三維目標檢測方法在說明書摘要公布了：本發明公開了一種基于噪聲數據的半監督三維目標檢測方法，包括獲取目標檢測的數據集，該數據集包括標記數據集和未標記數據集；用標記數據集訓練平均教師框架中的教師模型；用訓練后的教師模型對未標記數據集進行推理，在未標記數據集上生成偽標簽，得到偽標簽數據集；從標記數據集和偽標簽數據集中進行采樣，利用抗噪聲實例監督模塊和密集特征一致性約束模塊對噪聲進行監督，獲取有用信息，從而訓練學生模型；用訓練后的學生模型去進行檢測任務。通過對無標簽數據的軟任務監督和無監督特征一致性正則化，提高了模型對于噪聲偽標簽的容忍度，并且提高了模型的泛化能力，本發明所述方法能夠對三維目標進行有效檢測，達到較高的精度。

本發明授權一種基于噪聲數據的半監督三維目標檢測方法在權利要求書中公布了：1.一種基于噪聲數據的半監督三維目標檢測方法，包括以下步驟： 步驟一，獲取目標檢測的數據集，該數據集包括標記數據集和未標記數據集； 步驟二，用步驟一獲得的標記數據集訓練平均教師框架中的教師模型； 步驟三，用步驟二中訓練后的教師模型對步驟一中獲得的未標記數據集進行推理，在未標記數據集上生成偽標簽，得到偽標簽數據集； 步驟四，從步驟一獲得的標記數據集和步驟三得到的偽標簽數據集中進行采樣，利用抗噪聲實例監督模塊和密集特征一致性約束模塊對噪聲進行監督，獲取有用信息，并通過分類損失函數回歸損失函數Lreg和一致性損失函數Lconsist訓練學生模型； 步驟五，用步驟四中訓練后的學生模型去進行檢測任務，得到檢測結果； 抗噪聲實例監督模塊分為分類模塊和回歸模塊，分類模塊進行分類和回歸模塊進行回歸是目標檢測中的兩個過程，沒有先后順序，分類確定檢測目標的類別，回歸確定檢測目標的具體檢測框； 分類模塊將置信度c作為衡量偽標簽質量的指標，根據置信度c以及學生模型預測結果與學生模型匹配的偽標簽之間的交并比τ，將分類標簽軟化為在0到1范圍內的值，并且將其視作真實結果框本身的質量和學生模型學習能力的結合； 回歸模塊將每個邊界框進行學生模型中的網絡預測，建模為給定特征向量x的高斯分布h：σx；其中μx和σx表示學生模型中的網絡預測的每個回歸項的均值和方差，表示高斯分布的符號； 密集特征一致性約束模塊用激光雷達點云數據作為輸入，采用旋轉、翻轉操作對輸入數據進行增強，對于給定的一個點云框架P和一組數據增強策略A，從A中隨機抽取兩個變換A1和A2，并將A1和A2應用于P，以生成兩種不同的點云視圖P1和P2，隨后將增強的點云輸入到點特征提取器中，生成鳥瞰圖的特征；將獲得的鳥瞰圖特征反向返回到原始空間，并記錄變換過程，得到返回后的特征和

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國科學技術大學，其通訊地址為：230026 安徽省合肥市包河區金寨路96號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。