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！

龍圖騰網獲悉南京理工大學申請的專利基于偏標簽學習的網絡監督細粒度圖像識別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：CN115170813B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202210761418.9，技術領域涉及：G06V10/30；該發明授權基于偏標簽學習的網絡監督細粒度圖像識別方法是由魏秀參;許玉燕設計研發完成，并于2022-06-30向國家知識產權局提交的專利申請。

本基于偏標簽學習的網絡監督細粒度圖像識別方法在說明書摘要公布了：本發明公開了一種基于偏標簽學習的網絡監督細粒度圖像識別方法，包括：利用擁有預訓練的深度神經網絡模型進行深度描述符變換來評估網絡圖像之間的正相關性，根據相關矩陣檢測數據集中存在的開集標簽噪聲，去除開集標簽噪聲；利用損失函數驅動模型表現出較高的召回率，使每一個樣本的標簽集合中盡可能的包含樣本真實類別的標簽；從樣本的標簽集合中選擇樣本的真實標簽，對閉集標簽噪聲進行修正，將干凈數據和擁有修正標簽的閉集標簽噪聲一起投入深度神經網絡中進行訓練。本發明在有效去除開集標簽噪聲的同時利用偏標簽學習將閉集標簽噪聲轉化為擁有準確標簽的訓練圖像，使網絡數據集中的可用樣本數量增加，保證神經網絡模型學習性能的進一步提高。

本發明授權基于偏標簽學習的網絡監督細粒度圖像識別方法在權利要求書中公布了：1.一種基于偏標簽學習的網絡監督細粒度圖像識別方法，其特征在于，包括以下步驟： 步驟1，利用擁有預訓練的深度神經網絡模型進行深度描述符變換來評估網絡圖像之間的正相關性，根據反映相關性的相關矩陣檢測數據集中存在的開集標簽噪聲，并進行開集標簽噪聲的去除； 步驟2，利用損失函數驅動模型，使每一個樣本的標簽集合中盡可能的包含樣本真實類別的標簽； 步驟3，利用偏標簽學習的思想，從樣本的標簽集合中選擇樣本的真實標簽，從而對閉集標簽噪聲進行修正，具體為： 在編碼階段，通過隨機生成N位的列編碼來構建編碼矩陣M∈{+1,-1}N×L，其中N表示類別的數量，L表示二分類器的數量，編碼矩陣用于對訓練過程中的樣本進行劃分；一隨機生成的列編碼可將標簽空間劃分正標簽空間和負標簽空間 利用正負標簽空間選擇正負樣本，給定一個訓練樣本其中視標簽集合為一個整體來幫助構建二分類器；當標簽集中全部類別落入或時，樣本才會被用作正或負樣本；于是這些正負樣本組成了二分類訓練集 在解碼階段，對于每一個類構造連通集，第j類的連通集表示為： 根據連通集εy產生性能矩陣GN×L來反映分類器的能力，第j類在第t個分類器gt上的性能計算如下： 其中是指示符函數，對性能矩陣G逐行進行歸一化： 其中對于一個閉集標簽噪聲獲得類別預測通過： 最后，閉集標簽噪聲獲得偽標簽將干凈樣本和擁有偽標簽的閉集標簽噪聲合并送入卷積神經網絡中進行訓練。

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南京理工大學，其通訊地址為：210094 江蘇省南京市孝陵衛200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”。