申请/专利权人：惠州华阳通用电子有限公司

申请日：2023-05-18

公开（公告）日：2024-03-19

公开（公告）号：CN117727032A

主分类号：G06V20/70

分类号：G06V20/70;G06V20/58;G06V10/774;G06V10/82;G06N3/045;G06N3/096;G06V10/25;G06V10/766

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明提供基于少样本学习的车位标注方法，方法包括：步骤1、对目标训练库中车位图像样本的初定标注数据根据预设规则进行泛化筛选，生成目标车位图像样本；步骤2、对所述目标车位图像样本进行少样本标注，得到目标车位标注图像；步骤3、单个网络模型根据所述目标车位标注图像进行少样本学习；步骤4、将所述目标车位图像样本按照第五规则五等分，按照五折交叉验证方法根据预设参数对所述单个网络模型进行少样本训练，输出对应的训练后的单个网络模型，并将所述训练后的单个网络模型拼接为目标大模型；步骤5、使用所述目标大模型对新采集的车位图像进行标注，生成标注文件。本发明提高了车位标注的效率。

主权项：1.一种基于少样本学习的车位标注方法，其特征在于，包括：步骤1、对目标训练库中车位图像样本的初定标注数据根据预设规则进行泛化筛选，生成目标车位图像样本；步骤2、对所述目标车位图像样本进行少样本标注，得到目标车位标注图像；步骤3、单个网络模型根据所述目标车位标注图像进行少样本学习；步骤4、将所述目标车位图像样本按照第五规则五等分，按照五折交叉验证方法根据预设参数对所述单个网络模型进行少样本训练，输出对应的训练后的单个网络模型，并将所述训练后的单个网络模型拼接为目标大模型；步骤5、使用所述目标大模型对新采集的车位图像进行标注，生成标注文件。

全文数据：

权利要求：

百度查询： 惠州华阳通用电子有限公司 一种基于少样本学习的车位标注方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD