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！

龍圖騰網獲悉揚州大學申請的專利基于標簽傳播對比半監督學習的圖像分類方法與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：CN115410026B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202210825399.1，技術領域涉及：G06V10/764；該發明授權基于標簽傳播對比半監督學習的圖像分類方法與系統是由徐曉華;李好;何萍設計研發完成，并于2022-07-14向國家知識產權局提交的專利申請。

本基于標簽傳播對比半監督學習的圖像分類方法與系統在說明書摘要公布了：本發明公開了一種基于標簽傳播對比半監督學習的圖像分類方法與系統，本發明首先為圖像數據學習有意義的自監督對比學習的潛在特征。其次采用標簽傳播算法在無監督特征上傳播已知標簽，以自動方式有效地標記整個圖像數據集。然后使用相似對齊方法選擇匹配圖像樣本并構成可靠圖像樣本數據集。最后在匹配可靠圖像樣本數據集上訓練半監督網絡模型。在不匹配的圖像樣本進行無監督對比學習提取特征預測標簽進行分類。本發明可在極低的監督設置下提高半監督圖像分類的性能，可解決圖像數據在進行圖像分類時因為圖像數據分布不平衡導致數據在標記時不匹配引起的模型性能嚴重下降的問題，提高圖像數據分類的準確性，同時有效減少人工注釋的工作。

本發明授權基于標簽傳播對比半監督學習的圖像分類方法與系統在權利要求書中公布了：1.一種基于標簽傳播對比半監督學習的圖像分類方法，其特征在于，包括如下步驟： 1將原始的圖像數據集進行部分標記，其中標記圖像數量少于未標記圖像，并對圖像數據集進行預處理； 2構建包括對比學習模型和標簽傳播模型的半監督圖像分類框架，通過對比學習拉近未標記圖像數據和標記圖像數據之間相似特征的距離；所述對比學習模型最大化正樣本對的相似性，同時最小化負樣本對的相似性，通過實例混合的對比損失來優化對比學習模型的權重參數；其中，令為一批圖像數據對，其中Np為批次大小，對于每個錨點，是同一個圖像數據的兩個不同程度的增強版本，對于每個輸入圖像樣本xi，和分別稱為xi的正樣本和負樣本；是批次B中和的虛擬標簽，同一圖像的虛擬標簽值是1，不同圖像的混合虛擬標簽值為0，對于具有虛擬標簽的樣本xi,vi、xj,vj，實例混合的方式為mix＝λxi+1-λxj,λvi+1-λvj，λ是混合系數； 3使用對比學習得到的圖像特征進行標簽傳播，使用相似對齊的方法，分別找出和標記圖像數據匹配以及和標記圖像數據不匹配的標簽；對于匹配的標簽，經傳播的標簽使用交叉熵損失值大于余弦相似度分布值的圖像樣本構建一個可靠的圖像數據集；對于不匹配的標簽，采用無監督對比學習的方法去提取圖像的特征，預測出其標簽和類別； 4使用可靠圖像數據集和標記數據來訓練半監督網絡模型，通過地面真實標簽和預測標簽的交叉熵構成監督損失，未標記數據的預測構成交叉熵無監督損失，使用監督損失和無監督損失構成半監督網絡模型的總損失，通過反向傳播算法優化半監督網絡模型的權重參數； 5使用半監督網絡模型對測試圖像數據進行分類，獲得分類結果。

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揚州大學，其通訊地址為：225009 江蘇省揚州市大學南路88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”。