買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國科學院計算技術研究所申請的專利基于多模型聯合對比學習的圖像分類方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116109873B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310174287.9，技術領域涉及：G06V10/764；該發明授權基于多模型聯合對比學習的圖像分類方法及系統是由楊傳廣;安竹林;于新強;徐勇軍設計研發完成，并于2023-02-23向國家知識產權局提交的專利申請。

本基于多模型聯合對比學習的圖像分類方法及系統在說明書摘要公布了：本發明提出一種基于多模型聯合對比學習的圖像分類方法和系統，包括：本發明提出多模型聯合對比學習算法來引導不同的模型在特征層面進行交互，在多個模型之間相互地遷移各自的對比相似度概率分布。采用對比學習可使相同類別的樣本在特征空間接近，不同類別樣本在特征空間遠離，進而得到具有判別性的表征空間。在多模型聯合學習的場景下，對比學習可以使得不同模型的特征向量建立關系，從而在特征層面對多模型進行交互。通過多模型聯合對比學習，每一個網絡都可以學習更好的特征表達，從而提升圖像分類的效果和下游的語義識別任務。

本發明授權基于多模型聯合對比學習的圖像分類方法及系統在權利要求書中公布了：1.一種基于多模型聯合對比學習的圖像分類方法，其特征在于，包括： 步驟1，獲取M個神經網絡作為群組聯合學習模型進行聯合學習，M為大于等于2的整數，獲取由多幅均已標注圖像類別的訓練圖像構成的訓練集； 步驟2，對于輸入的訓練圖像x，M個神經網絡輸出M個圖像特征d是特征向量的維度；給定一個輸入圖像x0作為錨樣本，將與x0相同類別的圖像x1為正樣本，K個圖像為負樣本； 將訓練圖像輸入到M個神經網絡神經網絡中，得到對應的錨向量正向量和負向量其中m代表群組網絡中的第m個網絡；使用如下式1的點乘方法來計算錨向量與對比向量之間的相似度分布pm，對比向量包括正向量和負向量： 使用如下式2的第一誤差來最大化錨向量與正向量之間的相似度，最小化錨向量與負向量之間的相似度： 對于群組中的M個神經網絡，每一個網絡都進行相同模式的對比學習，從而有如下的第一對比學習誤差： 步驟3，從M個網絡中選出2個網絡fa和fb，錨向量產生自fa，對比向量產生自fb，使用公式4計算相似度分布： 使用第二誤差來最大化錨向量與正向量之間的相似度，最小化錨向量與負向量之間的相似度： 對于群組中的M個神經網絡，每兩個網絡都進行相同模式的交互式對比學習，得到如下的第二對比學習誤差： 上述對比學習誤差是對于M個網絡，網絡之間兩兩進行對比學習誤差計算；針對任意兩個網絡a,b，其中a不等于b，采用公式5進行交互式對比學習； 步驟4，在應用對M個網絡內部兩兩組合應用交互式對比學習之后，產生對比相似度分布將兩兩網絡之間進行對比概率分布的相互逼近，使用最小平方誤差函數： 步驟5，基于該第一對比學習誤差、該第二對比學習誤差和該最小平方誤差函數構建總誤差，使用隨機梯度下降優化器最小化該總誤差，訓練完成后，得到該群組聯合學習模型的判別性特征空間，其中每一個圖像類別具有類別中心，給定輸入樣本，通過比較輸入樣本與各類別中心的距離，選擇與類別中心距離最近的類別作為該輸入樣本的圖像類別。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國科學院計算技術研究所，其通訊地址為：100080 北京市海淀區中關村科學院南路6號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。