買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州電子科技大學(xué)申請的專利一種基于標(biāo)簽融合的半監(jiān)督開集目標(biāo)檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN118736197B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號(hào)為：202410834098.4，技術(shù)領(lǐng)域涉及：G06V10/25；該發(fā)明授權(quán)一種基于標(biāo)簽融合的半監(jiān)督開集目標(biāo)檢測方法是由陸展昀;顧人舒;徐佩芳;王亞奇;木下雄一郎;葉娟;賈剛勇;吳卿設(shè)計(jì)研發(fā)完成，并于2024-06-26向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本一種基于標(biāo)簽融合的半監(jiān)督開集目標(biāo)檢測方法在說明書摘要公布了：本發(fā)明公開了一種基于標(biāo)簽融合的半監(jiān)督開集目標(biāo)檢測方法，該方法首先將帶標(biāo)記數(shù)據(jù)圖像中的前景部分和對應(yīng)的標(biāo)注截取，構(gòu)建前景信息庫并動(dòng)態(tài)增強(qiáng)，與無標(biāo)記數(shù)據(jù)進(jìn)行融合，得到合成數(shù)據(jù)。其次將帶標(biāo)簽數(shù)據(jù)同時(shí)送入兩個(gè)教師網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，分別是原始的教師網(wǎng)絡(luò)和檢測器。然后使用兩個(gè)教師網(wǎng)絡(luò)對無標(biāo)記數(shù)據(jù)以及新生成的合成數(shù)據(jù)進(jìn)行預(yù)測，進(jìn)行預(yù)測標(biāo)簽融合，得到最終的偽標(biāo)簽。最后將帶標(biāo)簽數(shù)據(jù)、帶偽標(biāo)簽的無標(biāo)記數(shù)據(jù)以及合成數(shù)據(jù)送入半監(jiān)督框架，輸出目標(biāo)檢測結(jié)果，并進(jìn)行訓(xùn)練。本發(fā)明是處理開集問題以及基于構(gòu)建前景信息庫緩解類別不均衡問題的半監(jiān)督目標(biāo)檢測，緩解常見的類別不均衡問題。

本發(fā)明授權(quán)一種基于標(biāo)簽融合的半監(jiān)督開集目標(biāo)檢測方法在權(quán)利要求書中公布了：1.一種基于標(biāo)簽融合的半監(jiān)督開集目標(biāo)檢測方法，其特征在于，包括以下步驟： S1、根據(jù)標(biāo)注信息，將帶標(biāo)記數(shù)據(jù)圖像中的前景部分和對應(yīng)的標(biāo)注截取出來構(gòu)建前景信息庫，并進(jìn)行動(dòng)態(tài)增強(qiáng)； S2、將完成動(dòng)態(tài)增強(qiáng)的前景信息庫中的內(nèi)容和無標(biāo)記數(shù)據(jù)進(jìn)行融合，得到新生成的合成數(shù)據(jù)； S3、將帶標(biāo)簽數(shù)據(jù)同時(shí)送入兩個(gè)教師網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，其中一個(gè)教師網(wǎng)絡(luò)是原始的教師網(wǎng)絡(luò)，另一個(gè)是用于檢測未知類別的檢測器opendet；具體過程如下： S31、將原始數(shù)據(jù)中的帶標(biāo)簽部分同時(shí)送進(jìn)兩個(gè)教師網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，生產(chǎn)無標(biāo)記數(shù)據(jù)的偽標(biāo)簽； S32、原始的教師網(wǎng)絡(luò)產(chǎn)生含已知類別的標(biāo)簽，而opendet產(chǎn)生的標(biāo)簽中有一部分的目標(biāo)被分類為未知unknown類別； S4、使用完成訓(xùn)練后的兩個(gè)教師網(wǎng)絡(luò)對無標(biāo)記數(shù)據(jù)以及合成數(shù)據(jù)進(jìn)行預(yù)測，將原始的教師網(wǎng)絡(luò)產(chǎn)生的偽標(biāo)簽與opendet產(chǎn)生的偽標(biāo)簽中未知類別的信息進(jìn)行融合，完成標(biāo)簽融合，得到最終的偽標(biāo)簽； 所述的標(biāo)簽融合具體過程如下： S41、將原始教師網(wǎng)絡(luò)生成的標(biāo)簽中的所有內(nèi)容和opendet生成的標(biāo)簽中的unknown標(biāo)簽進(jìn)行融合； S42、當(dāng)兩個(gè)模型做出了相悖的預(yù)測時(shí)進(jìn)行篩選，選擇是否保留unknown類別標(biāo)簽信息； S5、將帶標(biāo)簽數(shù)據(jù)、帶偽標(biāo)簽的無標(biāo)記數(shù)據(jù)以及合成數(shù)據(jù)送入半監(jiān)督框架，輸出目標(biāo)檢測結(jié)果，并進(jìn)行訓(xùn)練。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市錢塘區(qū)白楊街道2號(hào)大街1158號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。