[发明专利]网络模型训练方法、装置及物体位姿确定方法、装置在审
| 申请号： | 201810236244.8 | 申请日： | 2018-03-21 |
| 公开（公告）号： | CN110298370A | 公开（公告）日： | 2019-10-01 |
| 发明（设计）人： | 赵哲 | 申请（专利权）人： | 北京猎户星空科技有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京柏杉松知识产权代理事务所(普通合伙) 11413 | 代理人： | 马敬;项京 |
| 地址： | 100041 北京市石景山区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供了一种深度神经网络模型训练方法及一种物体三维位姿确定方法，该深度神经网络模型训练方法包括：获取具有标注数据的多个图像样本；基于图像样本对预先构建的初始深度神经网络进行训练，得到深度神经网络模型。该物体三维位姿确定方法包括：获取摄像机采集的包含目标物体的目标图像；将目标图像输入上述方法中训练得到的深度神经网络模型中进行检测，获得目标顶点坐标；根据目标顶点坐标及目标物体的目标几何参数，确定目标物体相对于摄像机坐标系的三维位姿。可见，本发明实施例提供的方法，可以提高训练得到的深度神经网络模型的检测准确性，进而可以提高基于该神经网络模型确定的物体三维位姿的准确性。 | ||
| 搜索关键词： | 神经网络模型 三维位姿 目标物体 目标顶点 目标图像 图像样本 摄像机坐标系 摄像机采集 目标几何 神经网络 网络模型 物体位姿 检测 构建 标注 | ||
【主权项】：
1.一种深度神经网络模型训练方法，其特征在于，所述方法包括：获取具有标注数据的多个图像样本，其中，所述图像样本包括训练物体，所述标注数据包括基于视觉定位标识获取的所述训练物体在图像样本中的三维边框的顶点坐标，所述视觉定位标识为带有特定图案的平板；基于所述图像样本对预先构建的初始深度神经网络进行训练，得到所述深度神经网络模型，其中，所述深度神经网络模型用于对包含物体的图像进行检测并输出所述物体在所述图像中的三维边框的顶点坐标。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京猎户星空科技有限公司，未经北京猎户星空科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810236244.8/，转载请声明来源钻瓜专利网。
- 上一篇：一种电力系统不良数据的辨识方法及系统
- 下一篇：数据聚类的方法和装置
