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！

龙图腾网获悉西北工业大学申请的专利一种基于自监督预训练的图像美学评估方法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：CN116664976B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202310638035.7，技术领域涉及：G06V10/774；该发明授权一种基于自监督预训练的图像美学评估方法是由闫庆森;张艳宁;孙瑾秋;刘胜强;朱宇设计研发完成，并于2023-06-01向国家知识产权局提交的专利申请。

本一种基于自监督预训练的图像美学评估方法在说明书摘要公布了：本发明公开了一种基于自监督预训练的图像美学评估方法，首先输入无标签数据集，得到增强视图；然后将增强视图输入由编码器和扩展器组成的美学表征提取网络；再用自监督的方法训练美学表征提取网络，得到训练后的美学表征提取网络编码器；将自监督训练后的编码器加上回归分类头，组成教师网络模型；使用有标签数据集微调教师网络模型；最后通过自训练解决过拟合问题。本发明可以解决图像美学评估的有监督学习方法中需要大量有标签数据的缺点，有效地减少过度拟合并提高网络性能。

本发明授权一种基于自监督预训练的图像美学评估方法在权利要求书中公布了：1.一种基于自监督预训练的图像美学评估方法，其特征在于，包括如下步骤： 步骤1：输入无标签数据集U，得到增强视图t、t′； 输入无标签图像ti，·∈U并从分布T中采样两个变换以生成增强视图t和t′；分布T是一个由数据增强策略生成的概率分布，包含两个变换函数，一个是仿射变换函数Ta，另一个是非刚性变换函数Tb，这两个变换函数都是从T中随机采样得到的，使用变换函数生成增强视图t和t′过程如下： t＝Tati，t′＝Tbti1 步骤2：将增强视图t、t′输入编码器和扩展器，得到输出z、z′； 视图t、t′被输入到编码器中，然后由扩展器映射嵌入输出z和z′；由编码器和扩展器组成美学表征提取网络； 步骤3：使用自监督的方法训练美学表征提取网络，得到训练后的美学表征提取网络编码器； 所述自监督的方法是将来自同一图像的两个嵌入输出z、z′之间的距离最小化，每个嵌入变量的方差保持在设定阈值以上，同时成对嵌入变量之间的协方差被吸引到零，使变量去相关；整体损失函数是不变性s·、方差v·和协方差c·项的加权平均值，如下所示： lZ，Z′＝λsZ，Z′+μ[vZ+vZ′]+γ[cZ+cZ′]2 式中，λ、μ和γ是控制损失中每个项的重要性的权重，Z＝[z1，...，zn]和Z′＝[z′1，...，z′n]是两个大小为n的批次； 在未标记数据集U上的所有图像上获取的总体目标函数由下式给出： L＝∑I∈U∑t，t′∈TlZI，Z′I3 式中，ZI与Z′I是图像I通过t与t′变换对应的两个批次的美学表征提取网络嵌入输出； 完成自监督预训练后，移除扩展器仅保留编码器； 步骤4：将自监督训练好的编码器加上回归分类头，组成教师网络模型ft； 教师网络模型ft的线性回归头由两个分支组成，第一个分支由一个线性层组成，第二个分支则是由一个带有激活函数的线性层组成；两个分支的输出相加并输入softmax函数中得到最终输出ft； 步骤5：使用有标签数据集L微调教师网络模型ft； 使用度量方法--地球移动距离EMD微调有标签数据集L上的模型并且不冻结主干网络，即微调教师网络模型ft；给定预测值的和具有N个有序类别的真实分数分布y，EMD损失函数表示为： 式中，CDFyk和是累积分布函数，r是用来惩罚两个累积分布函数之间的欧几里得距离的系数； 步骤6：通过自训练解决过拟合问题； 所述自训练是指将监督训练与知识蒸馏相结合的过程；使用微调网络ft作为教师来生成用于训练学生网络模型fs的标签，即使用微调网络ft对学生网络模型fs进行知识蒸馏；学生模型由预训练后的权重初始化，网络结构与教师网络ft相同；在给定的无标签数据ui，·∈U上，教师网络和学生网络模型的输出定义为和 最小化蒸馏损失如下： 式中，H·表示EMD损失，σ是softmax函数，T表示知识蒸馏中的温度参数； 学生网络模型fs不仅从教师模型中学习，而且也通过有标签数据进行学习，总损失定义为： 式中，λ是监督损失和蒸馏损失的权重，是来自学生模型的有标签数据xj，yj∈U的预测值。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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”。