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！

龙图腾网获悉苏州科技大学申请的专利一种深度分类网络噪声标签建模与纠正方法、系统及存储介质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：CN116543259B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310513686.3，技术领域涉及：G06V10/774；该发明授权一种深度分类网络噪声标签建模与纠正方法、系统及存储介质是由王琛;陶重犇;郭继冲;师君;周远远设计研发完成，并于2023-05-09向国家知识产权局提交的专利申请。

本一种深度分类网络噪声标签建模与纠正方法、系统及存储介质在说明书摘要公布了：本发明提供一种深度分类网络噪声标签建模与纠正方法、系统及存储介质，该深度分类网络噪声标签建模与纠正方法包括以下步骤：步骤一，获取损失函数曲线；步骤二，对损失函数曲线进行聚类拟合，得到单模型训练下标签噪声隶属度函数值，然后返回步骤一；步骤三，多模型噪声标签建模；获取M个模型的隶属度函数值，对M个模型的隶属度函数值进行多模型置信度阀值平均，得到最终最优隶属度函数值；步骤四，噪声标签纠正与分类网络训练；根据多模型标签建模结果，构建多个标签集合，并对所构建标签集合中不同标签样本赋予不同权重，得到对应设计加权损失函数对分类网络进行训练。本发明的有益效果是：提升噪声标签下分类网络的训练效果和分类精度。

本发明授权一种深度分类网络噪声标签建模与纠正方法、系统及存储介质在权利要求书中公布了：1.一种深度分类网络噪声标签建模与纠正方法，其特征在于，包括以下步骤： 步骤一，获取损失函数曲线； 步骤二，对步骤一的损失函数曲线进行聚类拟合，得到单模型训练下标签噪声隶属度函数值，然后返回步骤一；循环执行步骤一和步骤二M次后，再执行步骤三； 步骤三，多模型噪声标签建模；获取M个模型的隶属度函数值，对所获取的M个模型的隶属度函数值进行多模型置信度阀值平均，得到最终最优隶属度函数值； 步骤四，噪声标签纠正与分类网络训练；根据步骤三的多模型标签建模结果，构建多个标签集合，并对所构建标签集合中不同标签样本赋予不同权重，得到对应设计加权损失函数对分类网络进行训练； 所述步骤三包括： 步骤1，获取多模型隶属度函数值集合；每次使用相同训练集训练不同网络模型，得到不同噪声标签建模结果，即团簇中心c* m1和c* m2以及各损失函数隶属度函数值集合 步骤2，利用基于置信度阈值的方式计算多模型标签噪声平均，具体计算公式如下： 其中， 表示步骤二中拟合收敛后最优聚类结果下损失曲线i对应的隶属度函数在多模型下的基于阈值的平均，表示步骤二中拟合收敛后最优聚类结果下损失曲线i对应的隶属度函数在多模型下的算数平均，为指示函数，当满足时函数值为1，否则为0；j表示遍历所有损失曲线的下标索引，pi表示第i个训练损失函数曲线对应的变量p； 多模型下噪声标签建模结果计算为： 表示样本i对应标签建模为无噪声标签，表示样本i对应标签建模为噪声标签。

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苏州科技大学，其通讯地址为：215000 江苏省苏州市高新区科锐路1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”。