更新时间：2026-08-18 00:04:20
已登记
详细信息
-
知识产权名称
基于视觉大模型的阴影分割数据
-
登记编号
DIP2024000015600
-
申请人
湖州创感科技有限公司
-
登记类型
首次登记
-
登记有效期
3年
-
申请时间
2024-11-14 11:10:14
详细信息
-
所属行业
制造业
-
交易状态
待交易
-
数据规模
1001
-
更新频次
按需更新
-
应用场景
阴影分割技术在计算机视觉领域，尤其是自动驾驶、机器人视觉、环境感知等应用中具有重要意义。通过对阴影区域的精确分割，可以有效区分真实物体和阴影，提升图像理解和场景分析的精度。本场景应用于基于视觉大模型的阴影分割，利用深度学习模型对图像中的阴影区域进行精确分割，并评估其性能表现。该技术可以广泛应用于图像处理、图像增强、自动驾驶、无人机监测等领域，帮助提高视觉识别系统在复杂环境下的鲁棒性。
-
算法规则简要说明
数据收集：在阴影分割任务中，收集包含阴影和非阴影区域的图像数据。数据集中的每个条目包括一张阴影图像、其对应的真实分割标签。阴影图像是在自然光场景下采集，有不同程度阴影区域的图片。真实分割标签，是公司内部专业技术人员按照像素级别标注，用于视觉大模型的训练监督。 数据预处理：在预处理阶段，对输入图像进行标准化处理，将阴影区域与非阴影区域标记为不同的类别。对图像进行尺寸调整、色彩均衡、噪声去除等操作，以确保数据的一致性。 模型构建：使用基于视觉大模型SAM在阴影分割数据上微调。模型的输入为经过预处理的阴影图片，输出为阴影与非阴影的二分类结果。在模型中，输入的图像通过多个卷积层进行特征提取，然后通过多层自注意力模块捕捉图像中不同区域的依赖关系，最后对每个像素进行分类，得到阴影分割结果。公式为：P=f_θ(I)，其中f_θ表示视觉大模型，参数为θ，P为模型输出的预测分割标签。采用比特错误率（BER）作为模型性能的评估指标。比特错误率度量了预测分割标签与真实标签之间的差异，公式为BER = (1 / N) * Σ |y_i - p_i|, 其中 N 为像素总数，y_i 为真实分割标签，p_i 为预测分割标签。
-
更新频次
按需更新
-
存证平台
浙江省知识产权区块链公共存证平台
