更新时间：2026-08-15 00:02:24
已登记
详细信息
-
知识产权名称
无人机智能识别车辆类型和状态算法模型的图像训练数据
-
登记编号
DIP2025000002011
-
申请人
浙大启真未来城市科技（杭州）有限公司
-
登记类型
首次登记
-
登记有效期
3年
-
申请时间
2025-04-07 14:07:48
详细信息
-
所属行业
信息传输、软件和信息技术服务业
-
交易状态
待交易
-
数据规模
684
-
更新频次
每日更新
-
应用场景
无人机智能识别车辆算法模型的图像训练数据的应用场景主要集中在提升AI模型对车辆类型和状态的识别能力和准确度。通过对这些数据的训练，AI模型能够更有效地支撑无人机在城市多场景下的车辆识别应用。基于高精度地理坐标与多级标注体系，并通过边界框与动态交通要素（车道线变化、信号灯状态、车距）的关联分析，可支撑无人机在城市主干道流量监控、交叉口违章行为取证、应急车道占用预警等场景中的高置信度识别，可满足交通管理部门对车辆身份特征、运动轨迹及合规状态的多维度感知需求。
-
算法规则简要说明
1、数据来源：原始数据通过自有智能无人机拍摄采集，记录图像ID、采集时间、文件路径、采集设备、地理坐标、拍摄高度、环境参数、边界框组等数据，通过数据清洗，保证数据质量。 2、数据预处理与标注：①对原始数据按7:2:1比例划分训练集/验证集/测试集；②采用多级标注体系：一级标签（车辆类型：汽车/卡车/摩托车等），二级标签（车辆状态：行驶/静止）。③关联要素标注包含交通信号灯状态、车道线类型、车距参数等动态信息。 3、模型选择和初始化：采用YOLOv5预训练模型，并初始化模型参数，设置合理的超参数：学习率0.001-0.0001动态调整，批量大小32，锚框参数根据拍摄图像特征优化；同时集成注意力机制增强小目标检测能力。 4、模型训练：使用PyTorch框架实施分布式训练，设置训练时长，采用迁移学习策略，冻结底层特征提取层参数，引入Mosaic数据增强提升复杂场景适应能力，设置早停机制（patience=15）防止过拟合。 5、模型评估：构建多维评估体系：基础指标（mAP@0.5）、夜间检测率、误报率、漏报率。 6、模型优化：优化多尺度推理引擎，保障推理速度，并建立车辆特征库支持增量学习。
-
更新频次
每日更新
-
存证平台
浙江省知识产权区块链公共存证平台
