买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉复旦大学;上海新氦类脑智能科技有限公司申请的专利一种基于显著图的多标签图像识别系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114255376B 。

龙图腾网通过国家知识产权局官网在2025-07-08发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202011008930.3，技术领域涉及：G06V10/774；该发明授权一种基于显著图的多标签图像识别系统是由苏欣雨;梁龙飞;薛向阳;李斌设计研发完成，并于2020-09-23向国家知识产权局提交的专利申请。

本一种基于显著图的多标签图像识别系统在说明书摘要公布了：本发明提供一种基于显著图的多标签图像识别系统，包括裁剪图像的图像预处理模块，由此得到特征图的特征提取模块，根据特征图得到置信度分数以及分类权重的分类模块，通过训练控制模块控制训练模块对置信度分数以及特征图处理得到损失函数对特征提取模块以及分类模块更新，最终识别控制模块将自然场景图像经过图像预处理模块、更新得到的特征提取模块以及分类模块得到置信度分数通过判断出自然场景图像标签。因此本实施例提供的多标签图像识别系统根据多标签分类损失函数以及多标签分布损失函数迭代能够在多标签图像识别过程中减少复杂背景和物体形变的干扰，避免受到遮挡、光照、视点等的干扰并提高多标签图像识别的准确率。

本发明授权一种基于显著图的多标签图像识别系统在权利要求书中公布了：1.一种基于显著图的多标签图像识别系统，用于将输入待识别的自然场景图像经过处理识别出所述自然场景图像中包含的标签，其特征在于，包括： 图像预处理模块、特征提取模块、分类模块、训练控制模块、训练模块、判断模块以及识别控制模块， 其中，所述图像预处理模块对所述自然场景图像数据集中的图像随机裁剪处理得到相同尺寸的训练用图像， 所述特征提取模块对所述训练用图像进行处理得到具有特定维度的训练用特征图， 所述分类模块对所述训练用特征图处理得到各标签的训练用置信度分数以及分类权重， 所述训练控制模块用于控制训练模块根据所述训练用置信度分数以及表达特征在高维空间中的分布情况，从而计算出多标签分类损失函数以及多标签分布损失函数，并将所述多标签分类损失函数以及所述多标签分布损失函数对所述特征提取模块、所述分类模块进行训练迭代，得到更新得到的特征提取模块以及更新得到的分类模块， 所述训练模块包括显著图生成部、特征选择部、多标签分布损失部以及多标签分类损失部， 所述显著图生成部用于将所述分类权重以及对应的所述训练用特征图计算得到对应于各标签的显著图， 所述特征选择部用于根据所述各标签的显著图与所述训练用特征图进行处理得到特征选择权重以及对应于各类别的表达特征， 所述多标签分布损失部用于根据所述各标签的表达特征、权重以及训练用置信度分数计算得到多标签分布损失函数， 所述多标签分类损失部用于根据训练用置信度分数得到多标签分类损失函数， 所述识别控制模块控制所述图像预处理模块对输入的自然场景图像进行处理得到输入图像，并控制所述更新得到的特征提取模块对所述输入图像进行处理从而生成一组特征图，并控制所述更新得到的分类模块计算所述特征图从而得到各标签的置信度分数，进一步判断模块根据所述置信度分数判断出所述自然场景图像表达的标签， 所述多标签分布损失部包括锚点单元、特征分布紧凑性评估单元以及特征分布离散性评估单元， 所述锚点单元用于记录在训练时各标签的所述表达特征所对应的所述锚点位置以及该锚点对应的训练用置信度分数所对应的所述锚点位置，具体包含以下步骤： 步骤1-1，将第一标签的所述表达特征与该表达特征对应的所述训练用置信度分数的初始锚点均设置为原点； 步骤1-2，将当前标签的所述训练用置信度分数与所述分类模块中当前标签的所述训练用置信度分数的加权值记录为下一个标签的所述训练用置信度分数，更新所述置信度分数的原点位置并将更新得到的原点位置记为所述置信度分数的锚点位置，计算公式为： 式中，j表示当前批次中包含标签i的图像j，表示所述锚点记录的当前标签i的所述权重，表示更新后标签i的所述权重，为线性分类器基于所述自然场景图像输出的标签i的所述训练用置信度分数； 步骤1-3，将当前标签的所述训练用置信度分数、当前标签的所述表达特征的中心点以及当前标签的所述表达特征通过计算得到下一标签的所述表达特征，更新所述表达特征的原点位置并将更新得到的原点位置记为所述表达特征的锚点位置，计算公式为： 式中，j表示当前批次中包含标签i的图像j，表示锚点单元中所记录的标签i的所述权重，为所述线性分类器基于所述自然场景图像输出的标签i的训练用置信度分数，zi为所述标签i的所述表达特征，为锚点记录的标签i的所述表达特征所表示的中心点； 步骤1-4，将下一个标签记做当前标签，重复进行步骤2以及步骤3直至最后一个标签，记录并输出各个标签的所述训练用置信度分数以及各个标签的所述表达特征； 所述表达特征分布紧凑性评估单元根据标签i的表达特征分布紧凑性CPi对所述表达特征分布紧凑性进行评估，计算所述CPi的公式为： 式中，Ni代表标签i中样本点的个数，表示标签i的中心点，表示标签i中的第ni个样本点，d.表示两点之间的欧式距离，CPi表示标签i的表达特征分布紧凑性， 所述表达特征分布离散性评估单元根据表示标签i和标签j之间的表达特征分布离散性的DTij对所述表达特征分布离散性进行评估，计算DTij的公式为： 式中，分别表示标签i、标签j的中心点，DTij表示标签i和标签j之间的表达特征分布离散性。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人复旦大学;上海新氦类脑智能科技有限公司，其通讯地址为：200433 上海市杨浦区邯郸路220号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。