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！

龙图腾网获悉大连理工大学申请的专利一种大数据驱动的汽车外造型设计的自动评估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：CN115456693B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202211199241.4，技术领域涉及：G06Q30/0282；该发明授权一种大数据驱动的汽车外造型设计的自动评估方法是由李宝军;王浩东;宋明亮;吴极;李嘉诺设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本一种大数据驱动的汽车外造型设计的自动评估方法在说明书摘要公布了：一种大数据驱动的汽车外造型设计的自动评估方法。首先创建用于汽车角度识别、等级识别的大规模多视角汽车图片数据集，采用深度神经网络方法分别进行训练，得到对应的汽车角度识别、等级识别机；创建用于外造型评分的汽车造型评价数据集，数据集包含汽车多视角图片及对应的品牌、车型等标注信息，并针对终端用户及造型专家分别进行造型评分标注及造型语义评价标注；将汽车造型评价数据集按汽车等级和评价人员属性拆分为相应子数据集，用深度学习回归及分类方法分别进行训练，得到汽车外造型用户及专家不同层面的自动评分机及自动语义评价机，并对影响造型评分及语义评价的显著特征进行可视化，为造型师在研发过程中提供实时、客观的造型设计评估。

本发明授权一种大数据驱动的汽车外造型设计的自动评估方法在权利要求书中公布了：1.一种大数据驱动的汽车外造型设计的自动评估方法，其特征在于，步骤如下： 步骤1，创建用于汽车角度识别、等级识别的大规模多视角汽车图片数据集并进行相关信息标注； 1.1收集与整理不同品牌、型号的多视角汽车外观图片，总样本数不少于N1张，涵盖汽车品牌数不少于N2个，车型年限跨度为Y1~Y2年，每款车在平视角环绕一周均匀采样N3张图片； 1.2对步骤1.1中的多视角汽车外观图片进行一一标注，包括汽车等级、品牌、型号、汽车角度，其中汽车等级分为：轿车按照A、B、C、D四个等级，SUV按照紧凑型、中型、中大型、大型SUV四个等级，得到大规模多视角汽车图片数据集，并按照汽车等级拆分为对应子数据集； 步骤2，对步骤1中的多视角汽车图片数据集分别进行角度识别、等级识别训练，对应得到汽车角度识别机、汽车等级识别机； 2.1对步骤1中拆分的子数据集按照比例K拆分为相应的训练集和验证集，采用深度学习回归网络训练汽车角度识别机，采用深度学习分类网络训练汽车等级识别机； 2.2使用步骤2.1中得到的汽车角度识别机、汽车等级识别机对输入的汽车外造型图片进行快速、准确的判别，预测输入汽车造型图片的角度和等级； 步骤3，创建含用户、专家两个层面用于训练汽车外造型自动评分机的汽车外造型评分数据集与含用户、专家两个层面用于训练汽车外造型自动语义评价机的汽车外造型语义评价数据集；对步骤1中的多视角汽车图片数据集进行处理，分为终端用户及造型专家两个群体对多视角汽车图片数据集分别进行造型评分标注及造型语义评价标注，分别得到含汽车外造型用户评分数据集与汽车外造型用户语义评价数据集的用户的汽车造型评价数据集、含汽车外造型专家评分数据集与汽车外造型专家语义评价数据集的专家的汽车造型评价数据集； 3.1收集整理与步骤1中的多视角汽车图片数据集相对应的用户评分数据，对用户评分数据进行清洗，分析用户多维度属性并进行量化，根据用户不同的属性赋予不同评分权重，综合得到汽车外造型的综合用户评分；使用该综合用户评分对多视角汽车图片数据集中的汽车图片进行一一对应的用户评分标注，得到汽车外造型用户评分数据集； 3.2收集整理与步骤1中的多视角汽车图片数据集相对应的用户语义评价数据，对用户语义评价数据进行汽车造型语义评价关键词提取和分析，然后对多视角汽车图片数据集中的汽车图片进行一一对应的用户语义评价标注，得到汽车外造型用户语义评价数据集； 3.3收集整理与步骤1中的多视角汽车图片数据集相对应的专家评分数据，从专家从业年限及评价车型数量对专家评价可靠性进行分析，对专家评分数据进行清洗；使用该专家评分数据对多视角汽车图片数据集中的汽车图片进行一一对应的专家评分标注，得到汽车外造型专家评分数据集； 3.4收集整理与步骤1中的多视角汽车图片数据集相对应的专家语义评价数据，对专家语义评价数据进行汽车造型语义评价关键词提取和分析，然后对多视角汽车图片数据集中的汽车图片进行一一对应的专家语义评价标注，得到汽车外造型专家语义评价数据集； 步骤4，将步骤3创建的汽车外造型评分数据集，按汽车等级和评价人员属性拆分为相应子数据集，用深度学习回归方法对用户和专家两个层面分别进行训练，得到汽车外造型用户自动评分机与汽车外造型专家自动评分机； 4.1将步骤3.1中的汽车外造型用户评分数据集，按步骤1.2中的汽车等级分类方法进行分类，得到X级车型外造型用户评分子数据集，其中X取A、B、C、D、紧凑型SUV、中型SUV、中大型SUV、大型SUV；采用深度学习回归方法建立子数据集中造型评分与汽车外造型特征的映射关系，分别训练深度学习网络模型，得到与子数据集相对应的X级车型外造型用户自动评分机； 4.2将步骤3.3中的汽车外造型专家评分数据集，按步骤1.2中的汽车等级分类方法进行分类，得到X级车型外造型专家评分子数据集，其中X取A、B、C、D、紧凑型SUV、中型SUV、中大型SUV、大型SUV；采用深度学习回归方法建立子数据集中造型评分与汽车外造型特征的映射关系，分别训练深度学习网络模型，得到与子数据集相对应的X级车型外造型专家自动评分机； 步骤5，将步骤3创建的汽车外造型语义评价数据集，按汽车等级和评价人员属性拆分为相应子数据集，用深度学习多标签分类方法对用户和专家两个层面分别进行训练，得到汽车外造型用户自动语义评价机与汽车外造型专家自动语义评价机； 5.1将步骤3.2中的汽车外造型用户语义评价数据集，按步骤1.2中的汽车等级分类方法进行分类，得到X级车型外造型用户语义评价子数据集，其中X取A、B、C、D、紧凑型SUV、中型SUV、中大型SUV、大型SUV；采用深度学习多标签分类方法建立子数据集中造型语义评价与汽车外造型特征的映射关系，分别训练深度学习多标签分类模型，得到与子数据集相对应的X级车型外造型用户自动语义评价机； 5.2将步骤3.4中的汽车外造型专家语义评价数据集，按步骤1.2中的汽车等级分类方法进行分类，得到X级车型外造型专家语义评价子数据集，其中X取A、B、C、D、紧凑型SUV、中型SUV、中大型SUV、大型SUV；采用深度学习多标签分类方法建立子数据集中造型语义评价与汽车外造型特征的映射关系，分别训练深度学习多标签分类模型，得到与子数据集相对应的X级车型外造型专家自动语义评价机； 步骤6，使用深度学习模型可视化方法分别对汽车外造型自动评分机和汽车外造型自动语义评价机进行显著性特征可视化； 6.1采用深度学习模型可视化方法，对汽车造型显著性特征进行可视化；该方法通过使用流入CNN中卷积层的梯度信息来理解每个神经元对于预测目标决定的重要性，对于最后输出的结果c，c表示类别或回归值，最后一层卷积层中第K个神经元的权重公式如下： 其中，是c相对于最后一层卷积层输出特征图的第k个通道的敏感程度，Z是特征图的像素个数，i和j分别表示宽高维度的序号，yc表示最后一层激活函数的输出中c的概率，是最后一层卷积层输出的特征图，k是特征图的通道维度的序号，则是该概率值对最后一层第K个神经元输出特征图所有像素求偏导数；然后把作为权重对最后一层卷积层输出的特征图加权求和线性组合起来，并通过ReLU激活函数处理输出，过滤掉特征图A上某个位置加权得到的负值，仅保留与预测值正相关的输出，整体公式如下： 其中，是一个二维类别激活热力图，是最后一层卷积层输出的特征图，将热力图与原图叠加在一起即呈现出显著特征的可视化效果； 6.2使用步骤6.1介绍的深度学习模型可视化方法分别对步骤4.1、4.2、5.1、5.5中得到的汽车外造型用户自动评分机、用户自动语义评价机、专家自动评分机、专家自动语义评价机进行汽车外造型显著性特征可视化，以热力图的形式定位出用户及专家感兴趣的汽车外造型特征； 步骤7，对于输入的汽车外造型设计效果图，采用步骤2、步骤4~6中得到的汽车外造型自动评分机与自动语义评价机，为设计师提供实时客观的用户及造型专家两方面外造型评分、语义评价及对应的显著特征可视化信息； 7.1对于输入的汽车外造型设计效果图，采用步骤2.1中得到的汽车外造型角度识别机、汽车外造型等级识别机确定车型角度及车型等级； 7.2汽车外造型设计效果图经步骤7.1确定车型的角度和等级以后，采用步骤4.1中对应的用户自动评分机得到用户评分，采用步骤5.1中对应的专家自动评分机得到专家评分；采用步骤6.1中的显著性特征可视化方法，分别输出用户自动评分机与专家自动评分机在评分时关注的汽车外造型特征； 7.3汽车外造型设计效果图经步骤7.1确定车型的角度和等级以后，采用步骤4.2中对应的用户自动语义评价机得到用户语义评价，采用步骤5.2中对应的专家自动语义评价机得到专家语义评价；采用步骤6.1中的显著性特征可视化方法，分别输出用户自动语义评价机与专家自动语义评价机在对汽车外造型进行语义评价时关注的汽车外造型特征。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。