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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于残差学习的边界框预测不确定性建模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：CN120894762B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202510981025.2，技术领域涉及：G06V20/58；该发明授权一种基于残差学习的边界框预测不确定性建模方法是由程绍武;陈思琴设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本一种基于残差学习的边界框预测不确定性建模方法在说明书摘要公布了：本发明公开了一种基于残差学习的边界框预测不确定性建模方法，所述方法如下：一、构建基于全连接层和残差模块的边界框预测不确定性网络；二、轨迹预测数据准备；三、预测置信度标签计算；四、预测不确定性网络训练；五、预测网络推理。本发明通过全连接块与残差块融合的网络结构及不确定性标签的设计，实现边界框预测不确定性的精准量化、高效计算与稳定评估，能够显著提升建模精度、降低计算成本；在自动驾驶、机器人导航等场景中，能够为高安全需求应用提供可靠的预测可信度评估，避免因预测不确定性引发的决策风险。该网络具备良好的泛化适配能力，其模块化设计使其可无缝嵌入现有的各类轨迹预测网络，为算法升级提供了灵活高效的解决方案。

本发明授权一种基于残差学习的边界框预测不确定性建模方法在权利要求书中公布了：1.一种基于残差学习的边界框预测不确定性建模方法，其特征在于所述方法包括如下步骤： 步骤一、构建基于全连接层和残差模块的边界框预测不确定性网络； 步骤二、轨迹预测数据准备： 步骤二一、获取目标在连续帧中的历史轨迹序列数据，详细记录每个目标在时间序列上的位置变化信息； 步骤二二、依托已有的轨迹预测网络，针对后续帧生成预测边界框，该预测边界框涵盖目标在下一帧的位置预估信息，作为网络另一重要输入，与历史轨迹序列数据共同构建起完整的输入数据对； 步骤三、预测置信度标签计算： 步骤三一、将预测边界框结果转化为，其中为左上角边界坐标，为右下角边界坐标，计算预测边界框顶点坐标与真实标注的均方根误差 步骤三二、将均方根误差归一化至[0,1]区间； 步骤三三、通过1减去误差值转换为预测置信度指标： 步骤四、预测不确定性网络训练： 通过最小化预测不确定性置信度与真实不确定性置信度标签之间的差异实现边界框预测不确定性网络的训练； 步骤五、预测网络推理： 输入目标的预测边界框和历史轨迹，通过训练好的网络输出置信度。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。