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！

龙图腾网获悉中汽研汽车检验中心(武汉)有限公司申请的专利多类型图像匿名化标注数据集构建与目标覆盖率判定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：CN121415403B 。

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：202511962087.5，技术领域涉及：G06F21/62；该发明授权多类型图像匿名化标注数据集构建与目标覆盖率判定方法是由王旭;戢升东;柳东威;王伟;汤科;刘鹏;陈韬;杨聪;顾锦祥;卓凯敏;危巍;侯全杉;刘翔宇;王依璇;刘怿轩设计研发完成，并于2025-12-24向国家知识产权局提交的专利申请。

本多类型图像匿名化标注数据集构建与目标覆盖率判定方法在说明书摘要公布了：本申请属于车辆信息匿名化检测技术领域，具体涉及多类型图像匿名化标注数据集构建与目标覆盖率判定方法，该方法基于含理论匿名化区域与匿名化特征双标注的人脸、车牌图像数据集，在改进的YOLOv5‑L模型中引入匿名化特征提取分支并进行跨模态特征融合，结合以理论匿名区域定位损失为核心的多项损失函数及两阶段递进训练与难例挖掘机制，实现对匿名化特征的精准学习。对输入匿名化图像进行归一化预处理后，模型推理获得理论匿名区域坐标并映射回原尺寸，通过IoU阈值的非极大值抑制与匹配，计算区域遮盖率以判定正检、漏检并统计误检率。本申请有效克服特征依赖失效与模型鲁棒性不足问题，在多种匿名化条件下实现高精度、低误检的匿名化检测与评估。

本发明授权多类型图像匿名化标注数据集构建与目标覆盖率判定方法在权利要求书中公布了：1.多类型图像匿名化标注数据集构建与目标覆盖率判定方法，其特征在于，所述方法包括： 步骤1：获取并构建包含理论匿名化区域与匿名化特征双标注的人脸及车牌原始图像数据集； 步骤2：在YOLOv5-L模型中通过设置匿名化方式的特征提取分支并进行跨模态特征融合，结合以理论匿名区域定位损失为主的多项损失函数配置及两阶段递进训练与难例挖掘机制，进而对理论匿名区域的特征学习与标注； 步骤2.1：在YOLOv5-L模型的骨干网络中设置针对马赛克、纯色块及高斯模糊三类匿名化方式的特征提取分支，骨干输出同时进入PAN-FPN与跨模态融合层，跨模态融合层将原始特征和匿名化特征融合，设置匿名化区域边界特征的提取及理论匿名化区域坐标和处理参数的输出层； 步骤2.2：以理论匿名区域定位损失为主，结合匿名化类型分类损失与匿名化参数回归损失，并附加轻量化漏检与误检惩罚项，以构建理论匿名区域内的特征识别与定位计算的损失函数； 损失函数为： ； 式中：为理论区域边界框的IoU损失；为匿名化类型分类损失；为匿名化参数回归损失；为漏检惩罚损失；为误检惩罚损失；0.1和0.05均为权重； 步骤2.3：在完成损失函数配置后，通过两阶段递进训练与难例挖掘机制，分别对匿名化特征到理论匿名区域映射学习、执行跨模态融合优化与复杂匿名场景下的识别训练； 两阶段递进训练包括：第一阶段的特征到区域映射训练，用于建立匿名化特征与理论区域的对应关系，以及第二阶段的跨模态特征融合训练，用于实现匿名化特征与原始图像特征的深度融合与鲁棒性优化； 难例挖掘机制的过程包括：周期性地从训练样本中筛选满足预设条件的样本作为难例样本，所述预设条件包括：样本的交并比低于第一阈值或预测误差高于第二阈值，对满足难例条件的样本进行再采样，其中典型复杂样本包括多目标遮挡、强光干扰、低对比度或单色块场景样本，在每一训练周期内，根据设定的重采样比例，对筛选出的难例样本进行加权采样并加入下一训练阶段的数据集中，对加入的数据集执行K次迭代训练，在每次迭代中根据最新训练误差动态更新难例筛选结果，当样本在连续若干训练周期内满足收敛条件时，停止对该样本的难例再采样过程； 步骤3：对输入匿名化图像进行归一化预处理，执行模型推理得到理论匿名区域坐标并映射回原始尺寸，基于预设IoU阈值实施非极大值抑制并以最大IoU完成目标匹配，随后计算区域遮盖率以判定正检、漏检并统计误检率。

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中汽研汽车检验中心(武汉)有限公司，其通讯地址为：430056 湖北省武汉市武汉经济技术开发区沌阳大道55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。