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！

龙图腾网获悉西安交通大学申请的专利一种基于实例依赖互补标签学习的图像分类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：CN115995019B 。

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：202211669312.2，技术领域涉及：G06V10/764；该发明授权一种基于实例依赖互补标签学习的图像分类方法是由董博;吴雨萱;曹书植;王余蓝;阮建飞;赵锐;师斌设计研发完成，并于2022-12-24向国家知识产权局提交的专利申请。

本一种基于实例依赖互补标签学习的图像分类方法在说明书摘要公布了：本发明公开了一种基于实例依赖互补标签学习的图像分类方法，包括：在骨干网络之上构建转移矩阵网络和分类器网络，用于估计实例的互补标签转移矩阵和预测实例的真实类别；将实例特征嵌入为指定维度的特征向量，并以特征向量的欧式距离为度量挖掘实例的近邻；结合互补标注分类和语义聚类训练分类器网络，估计实例的真实类后验概率，选取概率前1％大的实例作为近似锚点对转移矩阵网络进行初始化；引入约束——“特征空间上邻近的实例具有更相似的互补标签转移矩阵”——来限制转移矩阵的自由度，并构建端到端的联合训练框架协同优化转移矩阵网络和分类器网络的参数，将优化后的分类器网络作为最终的预测网络，实现基于实例依赖互补标签学习的图像分类。

本发明授权一种基于实例依赖互补标签学习的图像分类方法在权利要求书中公布了：1.一种基于实例依赖互补标签学习的图像分类方法，其特征在于，包括： 首先，在骨干网络之上构建转移矩阵网络和分类器网络，用于估计实例的互补标签转移矩阵和预测实例的真实类别； 其次，将实例特征嵌入为指定维度的特征向量，并以特征向量的欧式距离为度量挖掘实例的K近邻； 再次，结合互补标注分类和语义聚类训练分类器网络，估计实例的真实类后验概率，选取概率前1％大的实例作为近似锚点对转移矩阵网络进行初始化；基于图像实例在特征空间上的距离进行最近邻语义聚类，利用互补标签改进交叉熵损失函数来进行分类，结合互补标注分类和语义聚类对分类器网络进行训练，输出实例的真实类后验概率，并提取各类别概率前1％大的实例作为近似锚点；之后，将骨干网络输出的近似锚点实例的特征向量作为转移矩阵网络的输入，输出对应的实例依赖互补标签转移矩阵，结合分类器预测的近似锚点的贝叶斯最优标签对实例的互补标签进行推导，根据推导的互补标签和真实的互补标签构建损失函数来初始化转移矩阵网络参数； 最后，引入约束“特征空间上邻近的实例具有更相似的互补标签转移矩阵”，来限制转移矩阵的可行解空间，并通过构建端到端的联合训练框架协同优化转移矩阵网络和分类器网络的参数；将图像实例的特征向量分别输入转移矩阵网络和分类器网络，并将输出的实例依赖互补标签转移矩阵和实例真实类后验概率与实例的互补标签相结合来构建交叉熵损失函数，通过减小损失函数值对网络的参数进行优化，将优化后的分类器网络作为最终的预测网络，实现对图像实例真实类别标签的预测；其中构建了近邻实例转移矩阵间的相似度损失函数来对转移矩阵网络的参数进行约束，通过构建端到端的联合训练框架协同优化转移矩阵网络和分类器网络的参数，最终将优化后的分类器网络作为预测网络，对图像实例的真实类别进行预测，实现基于互补标签学习的图像分类。

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安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。