发明专利已授权

一种基于深度归因图谱的无人机跟踪模型迁移学习方法

📄 申请号：CN202210473138.8 📄 发布日：2026/05/07

著录项目信息

申请日

2022-04-29

公开号

CN114842051B

公开日

2024-11-08

申请人

宇翔盛泰通用航空有限公司

法律状态

已下证

专利类型

发明

主分类号

G06T7_246

IPC 分类号

G06T7_246 , G06V10_774 , G06N3_084 , G06N3_096 , G06N3_0464 , G06V10_82 ,

技术画像

所属领域

迁移学习迁移学习深度学习计算机视觉

应用场景

无人机侦察监控, 无人机目标跟踪, 智能交通, 安防监控, 航拍图像分析

AI 智能推荐 · 同申请人专利 · 搜索相似专利

摘要

本发明涉及一种基于深度归因图谱的无人机跟踪模型迁移学习方法，属于迁移学习技术领域，包括采集探测数据；选取深度神经网络预训练模型；构建前向传播路径，采集预训练模型每个卷积层的输出特征；计算不同数据点在同一特征间的相似性，构建边相似性序列；构建节点归因值序列；卷积层每增加一层，计算该层与最后一层节点归因值的余弦相似性，计算该层与最后一层边的相似性的斯皮尔曼相关系数；构建深度归因图谱相似性函数；求取对应各个卷积层相关系数，设定阈值，筛选大于阈值的相关系数，该值对应卷积层可作为模型参数微调的临界点，该层之后的参数进行训练。本方法操作简单，训练周期短，不需要大量的图像数据。

权利要求书 (12项) 说明书附图

……

图1

图2

图3

法律状态时间线

一种SiO2双壳层自修复微胶囊及其制备方法

当前第 / 件

基于HBA-KNN的挖掘机典型作业工况智能识别方法

同领域国内专利 · IPC: (G06T7_246)

G06T7_00 G06T7_10 G06T7_11 G06T7_12 G06T7_13 G06T7_136 G06T7_143 G06T7_149 G06T7_155 G06T7_168 G06T7_174 G06T7_181 G06T7_187 G06T7_194 G06T7_20 G06T7_207 G06T7_215 G06T7_223 G06T7_246 G06T7_254 G06T7_269 G06T7_277 G06T7_292 G06T7_30 G06T7_32 G06T7_33 G06T7_37 G06T7_38 G06T7_40 G06T7_41 G06T7_44 G06T7_45 G06T7_49 G06T7_50 G06T7_507 G06T7_514 G06T7_521 G06T7_55 G06T7_557 G06T7_564 G06T7_579 G06T7_593 G06T7_60 G06T7_62 G06T7_64 G06T7_66 G06T7_68 G06T7_70 G06T7_73 G06T7_77 G06T7_80 G06T7_90 覆盖52个领域

相似专利推荐 AI 驱动 · 同领域

暂无同领域相似专利推荐

议价

不含过户费

📋 交易方式： 委托待转让 📌 交易状态：在售 👁️ 浏览次数：79 ❤️ 收藏人数：93 📋 项目申报： 未申报

资金托管权属尽调包过户

🏢 淄博智来知识产权服务有限公司

✓ 企业认证✓ 手机绑定历史成交 0件好评率 98.5%

📊 出价记录 (3条)

王**¥-10万

李** 企业¥-8万

陈**¥-3万

查看全部出价

我要出价 (议价)