CN119722773A 机器学习模型的训练方法、深度估算方法、存储介质 （卡特彼勒公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119722773A

(43)申请公布日2025.03.28

(21)申请号202311269458.2

(22)申请日2023.09.27

(71)申请人卡特彼勒公司地址美国伊利诺伊州

(72)发明人徐怡

(74)专利代理机构北京市中咨律师事务所11247

专利代理师曹彩秀吴鹏

(51)Int.Cl.

G06T7/55(2017.01)

G06T7/593(2017.01)

G06T7/73(2017.01)

G06N3/0464(2023.01)

G06N3/088(2023.01)

G06N3/094(2023.01)

G06N3/086(2023.01)

权利要求书2页说明书7页附图1页

(54)发明名称

机器学习模型的训练方法、深度估算方法、

存储介质

(57)摘要

CN119722773A本发明涉及一种用于估算图像深度的机器学习模型的训练方法，包括：在机器学习模型中对图像数据集和点云数据集进行预处理，以得到用于进行训练的融合数据；针对该融合数据利用对抗式协同进化框架以生成每个二维图像中的各个物体所对应的预测深度，在该对抗式协同进化框架中引入几何姿态角估计函数以在相对姿态与整体姿态之间相互演化，从而提高几何姿态角估计函数的估计精度；利用