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！

龍圖騰網獲悉西安交通大學申請的專利一種基于實例依賴互補標簽學習的圖像分類方法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：CN115995019B 。

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：202211669312.2，技術領域涉及：G06V10/764；該發明授權一種基于實例依賴互補標簽學習的圖像分類方法是由董博;吳雨萱;曹書植;王余藍;阮建飛;趙銳;師斌設計研發完成，并于2022-12-24向國家知識產權局提交的專利申請。

本一種基于實例依賴互補標簽學習的圖像分類方法在說明書摘要公布了：本發明公開了一種基于實例依賴互補標簽學習的圖像分類方法，包括：在骨干網絡之上構建轉移矩陣網絡和分類器網絡，用于估計實例的互補標簽轉移矩陣和預測實例的真實類別；將實例特征嵌入為指定維度的特征向量，并以特征向量的歐式距離為度量挖掘實例的近鄰；結合互補標注分類和語義聚類訓練分類器網絡，估計實例的真實類后驗概率，選取概率前1％大的實例作為近似錨點對轉移矩陣網絡進行初始化；引入約束——“特征空間上鄰近的實例具有更相似的互補標簽轉移矩陣”——來限制轉移矩陣的自由度，并構建端到端的聯合訓練框架協同優化轉移矩陣網絡和分類器網絡的參數，將優化后的分類器網絡作為最終的預測網絡，實現基于實例依賴互補標簽學習的圖像分類。

本發明授權一種基于實例依賴互補標簽學習的圖像分類方法在權利要求書中公布了：1.一種基于實例依賴互補標簽學習的圖像分類方法，其特征在于，包括： 首先，在骨干網絡之上構建轉移矩陣網絡和分類器網絡，用于估計實例的互補標簽轉移矩陣和預測實例的真實類別； 其次，將實例特征嵌入為指定維度的特征向量，并以特征向量的歐式距離為度量挖掘實例的K近鄰； 再次，結合互補標注分類和語義聚類訓練分類器網絡，估計實例的真實類后驗概率，選取概率前1％大的實例作為近似錨點對轉移矩陣網絡進行初始化；基于圖像實例在特征空間上的距離進行最近鄰語義聚類，利用互補標簽改進交叉熵損失函數來進行分類，結合互補標注分類和語義聚類對分類器網絡進行訓練，輸出實例的真實類后驗概率，并提取各類別概率前1％大的實例作為近似錨點；之后，將骨干網絡輸出的近似錨點實例的特征向量作為轉移矩陣網絡的輸入，輸出對應的實例依賴互補標簽轉移矩陣，結合分類器預測的近似錨點的貝葉斯最優標簽對實例的互補標簽進行推導，根據推導的互補標簽和真實的互補標簽構建損失函數來初始化轉移矩陣網絡參數； 最后，引入約束“特征空間上鄰近的實例具有更相似的互補標簽轉移矩陣”，來限制轉移矩陣的可行解空間，并通過構建端到端的聯合訓練框架協同優化轉移矩陣網絡和分類器網絡的參數；將圖像實例的特征向量分別輸入轉移矩陣網絡和分類器網絡，并將輸出的實例依賴互補標簽轉移矩陣和實例真實類后驗概率與實例的互補標簽相結合來構建交叉熵損失函數，通過減小損失函數值對網絡的參數進行優化，將優化后的分類器網絡作為最終的預測網絡，實現對圖像實例真實類別標簽的預測；其中構建了近鄰實例轉移矩陣間的相似度損失函數來對轉移矩陣網絡的參數進行約束，通過構建端到端的聯合訓練框架協同優化轉移矩陣網絡和分類器網絡的參數，最終將優化后的分類器網絡作為預測網絡，對圖像實例的真實類別進行預測，實現基于互補標簽學習的圖像分類。

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西安交通大學，其通訊地址為：710049 陜西省西安市碑林區咸寧西路28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”。