申请/专利权人：贵州博睿科讯科技发展有限公司

申请日：2024-02-20

公开（公告）日：2024-03-22

公开（公告）号：CN117746066A

主分类号：G06V10/70

分类号：G06V10/70;G06V10/25;G06V20/54;G06V10/82;G06V10/80;G06V10/44;G06V10/52;G06V10/762;G06V10/764;G06N3/0464;G06N3/084;G06N20/20;G08G1/054;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及道路交通管理与车辆违规检测技术领域，尤其涉及一种扩散模型引导的高速车辆检测集成学习方法和装置，所述方法包括：S1、获取待检测高速车辆图片数据；S2、将所述待检测高速车辆图片数据输入选择的训练完成的多个不同的检测基模型，预测得到多个原始高速车辆检测框，所述多个不同的检测基模型的训练过程由扩散模型引导；S3、使用检测框融合算法对所述多个原始高速车辆检测框进行集成学习，得到经过融合后的新检测框，所述新检测框为所述待检测高速车辆图片数据的最终检测结果的输出检测框。本发明降低了高速车辆的检测难度，提高了高速车辆的检测精度与泛化能力。

主权项：1.一种扩散模型引导的高速车辆检测集成学习方法，其特征在于，所述方法包括：S1、获取待检测高速车辆图片数据；S2、将所述待检测高速车辆图片数据输入选择的训练完成的多个不同的检测基模型，预测得到多个原始高速车辆检测框，所述多个不同的检测基模型的训练过程由扩散模型引导；S3、使用检测框融合算法对所述多个原始高速车辆检测框进行集成学习，得到经过融合后的新检测框，所述新检测框为所述待检测高速车辆图片数据的最终检测结果的输出检测框；所述S2中选择训练完成的多个不同的检测基模型，具体包括：收集高速车辆图片数据，并划分为两阶段训练的训练集、验证集与测试集；使用划分好的训练集对备选的检测基模型进行两阶段的训练，并且在验证集上对不同的检测基模型分别进行参数调整以达到模型最好的验证效果，在测试集上对检测基模型进行测试与评估，选择测试效果最好的m个模型进行集成学习，并淘汰其他的备选模型。

全文数据：

权利要求：

百度查询： 贵州博睿科讯科技发展有限公司 一种扩散模型引导的高速车辆检测集成学习方法和装置

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