买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉吉林大学申请的专利一种考虑不确定性的自动驾驶概率目标检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115546606B 。

龙图腾网通过国家知识产权局官网在2026-05-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211135880.4，技术领域涉及：G06V10/82；该发明授权一种考虑不确定性的自动驾驶概率目标检测方法是由赵睿;王骙;高镇海;高菲;张天瑶设计研发完成，并于2022-09-19向国家知识产权局提交的专利申请。

本一种考虑不确定性的自动驾驶概率目标检测方法在说明书摘要公布了：本发明属于自动驾驶技术领域，具体为一种考虑不确定性的自动驾驶概率目标检测方法，包括步骤1：基于MC‑Drop的概率目标检测模型构建；步骤2：基于PDQ的概率目标检测模型质量评估；步骤3：概率目标检测模型敏感性分析；通过将YOLOv5模型蒙特卡洛DropoutMC‑Drop方法和集成方法Ensemble结合，从而在预测时对输出标签的不确定程度与对边界框的位置产生不确定性；通过引入基于概率的检测质量PDQ的评价指标评估不确定性质量；通过向MC‑Drop方法中引入缓存机制，大幅减少了MC‑Drop方法需要的时间与内存空间。

本发明授权一种考虑不确定性的自动驾驶概率目标检测方法在权利要求书中公布了：1.一种考虑不确定性的自动驾驶概率目标检测方法，其特征在于：包括如下步骤： 步骤1：基于MC-Drop的概率目标检测模型构建，将MC-Drop方法与YOLOv5模型结合，并为MC-Drop方法引入缓存机制；改进后的概率目标检测模型分为两部分：第一部分为首个Dropout层之前的网络Cache，第二部分为首个Dropout层及其之后的网络Last；通过在图片传入M-YOLOv5模型后，模型运行一次Cache网络，运行十次Last网络进行采样，通过计算平均值得到可视化的检测结果，通过十次采样结果计算预测框坐标的协方差矩阵代表预测框位置的不确定程度，以YOLOv5-6.0模型为基础，向其中添加Dropout层以引入随机性；YOLOv5模型有三级检测头对应三种不同的分辨率，M-YOLOv5算法在YOLOv5每级检测头的C3模块后加入一个Dropout率为10%的Dropout层；在每级检测头的末尾加入Dropout层的方式与在骨干网络或者检测头中间模块增加Dropout相比，能够保证模型有一个完整的采样过程，从而保证模型预测的准确性；同时减少Dropout层之后的网络结构，能够降低采样过程消耗的时间，保证模型的实时性；在每级检测头之后都加入Dropout层而不是在某一级检测头之后加入能够保证三个检测头得到的采样结果均表现出由于引入Dropout层带来的随机性，防止出现检测头因距离Dropout层较远受到的影响过小的情况出现；YOLOv5多个模型之间有着同样的总体结构，不同的网络深度，通过修改模型里的参数改变每个模块的数量改变网络的深度，在每个模块后面加入Dropout层而不是模块中，使得改进后的模型对每个YOLOv5模型都具有适应性； 步骤2：基于PDQ的概率目标检测模型质量评估，通过检测器输出的各个类得分计算标签不确定性质量，通过步骤一输出的协方差矩阵计算预测框位置不确定性质量，两者结合可以计算出PDQ得分，通过步骤1构建的概率目标检测模型并设置参数使其采样十次获得预测框坐标的协方差矩阵和各个类的平均得分；通过预测框的协方差矩阵、真实边界框与物体真实的分割掩码可以获得概率目标检测模型的空间质量，通过各个类的平均得分与该物体的真实类标签可以获得标签质量；将空间质量与标签质量结合可以获得pPDQ，最终通过pPDQ与检测器检测到的真阳性、假阴性、假阳性的个数获得PDQ得分；该得分越高代表概率目标检测器的概率质量越高； 步骤3：概率目标检测模型敏感性分析，对Dropout层数量、添加位置及Dropout概率进行敏感性分析；首先保持Dropout概率不变，对Dropout层数量以及添加位置进行敏感性分析；其次保持添加Dropout层位置不变，对Dropout数量以及Dropout率进行敏感性分析。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人吉林大学，其通讯地址为：130000 吉林省长春市前进大街2699号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。