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！

龙图腾网获悉广东工业大学申请的专利基于DoubleGAN的自动标注版图数据生成算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：CN117197583B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202311319431.X，技术领域涉及：G06V10/764；该发明授权基于DoubleGAN的自动标注版图数据生成算法是由夏益民;莫桂棋;陈钇恺;欧建宏;蔡述庭;邢延;李卫军设计研发完成，并于2023-10-11向国家知识产权局提交的专利申请。

本基于DoubleGAN的自动标注版图数据生成算法在说明书摘要公布了：本发明涉及数据生成统计技术领域，且公开了一种基于DoubleGAN的自动标注版图数据生成算法，包括预测模型，所述预测模型包括有生成模型训练以及数据扩充流程，所述生成模型训练包括S1、搭建特征图生成模型G1；S2、搭建特征图判别模型D1；S3、搭建自动标注模型G2；S4、搭建生成标签图判别模型D2；S5、定义损失函数；S6、采用RMS优化器，计算梯度的平方的指数加权移动平均；S7、对抗训练。利用U‑net搭建自动标注模型，采用Wasserstein以及RMS优化器对DoubleGAN模型进行对抗训练，对随机生成的数据进行自动标注，得到大量高质量数据样本，进而提高下游预测模型的泛化性，并且DoubleGAN算法采用了两种不同结构的GAN模型对现有的数据进行增强。

本发明授权基于DoubleGAN的自动标注版图数据生成算法在权利要求书中公布了：1.一种基于DoubleGAN的自动标注版图数据生成算法，其特征在于：包括预测模型，所述预测模型包括有生成模型训练以及数据扩充流程，所述生成模型训练包括以下步骤： S1、搭建特征图生成模型G1，设计5层TranConv模块，首先通过反卷积+ReLU函数激活以及归一化处理，最后通过tanh激活层，将1×1的随机变量还原至256×256的尺寸，以尽可能地还原真实数据的特征信息； S2、搭建特征图判别模型D1，以生成特征图或真实特征图为输入变量，得到4层ConvReLU模块，并进行卷积+LeakyReLU函数激活以及BN处理，最后通过全连接层输出概率值； S3、搭建自动标注模型G2，输入特征图依次通过ConvPool模块，通过卷积+池化+LeakyReLU函数激活和BN处理，再交替通过TranConv模块与Conv模块还原尺寸，最终通过Sigmoid激活层输出标签图； S4、搭建生成标签图判别模型D2，以生成标签图或真实标签图为输入变量，通过4层ConvReLU模块，采用卷积+LeakyReLU函数激活以及BN处理，最后通过全连接层输出概率值； S5、定义损失函数，设fw为神经网络函数，V为损失函数，E为Wasserstein期望值，Pr为真实数据的集合，Pf为生成数据的集合，x为真实数据，z为生成数据， 所设计的损失函数如下： S6、采用RMS优化器，计算梯度的平方的指数加权移动平均： st＝βst-1+1-βgt 2； 更新参数为： 其中，gt是在时间步t的梯度，st是到时间步t的累积平方梯度的移动平均，而β是移动平均的系数，α是学习率，ε是为了防止分母为0而加的一个小的常数； S7、对抗训练，直至模型达到收敛条件，保存模型文件； 所述S2中的特征图判别模型D1在得到模型损失值的数据后会反馈至特征图判别模型D1中，并且所述模型损失值的数据会同步传输至特征图生成模型G1，所述S4中的生成标签图判别模型D2在得到模型损失值的数据后会反馈至生成标签图判别模型D2中，并且所述模型损失值的数据会同步传输至自动标注模型G2。

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广东工业大学，其通讯地址为：510000 广东省广州市东风东路729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”。