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！

龙图腾网获悉南京理工大学申请的专利基于偏标签学习的网络监督细粒度图像识别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：CN115170813B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202210761418.9，技术领域涉及：G06V10/30；该发明授权基于偏标签学习的网络监督细粒度图像识别方法是由魏秀参;许玉燕设计研发完成，并于2022-06-30向国家知识产权局提交的专利申请。

本基于偏标签学习的网络监督细粒度图像识别方法在说明书摘要公布了：本发明公开了一种基于偏标签学习的网络监督细粒度图像识别方法，包括：利用拥有预训练的深度神经网络模型进行深度描述符变换来评估网络图像之间的正相关性，根据相关矩阵检测数据集中存在的开集标签噪声，去除开集标签噪声；利用损失函数驱动模型表现出较高的召回率，使每一个样本的标签集合中尽可能的包含样本真实类别的标签；从样本的标签集合中选择样本的真实标签，对闭集标签噪声进行修正，将干净数据和拥有修正标签的闭集标签噪声一起投入深度神经网络中进行训练。本发明在有效去除开集标签噪声的同时利用偏标签学习将闭集标签噪声转化为拥有准确标签的训练图像，使网络数据集中的可用样本数量增加，保证神经网络模型学习性能的进一步提高。

本发明授权基于偏标签学习的网络监督细粒度图像识别方法在权利要求书中公布了：1.一种基于偏标签学习的网络监督细粒度图像识别方法，其特征在于，包括以下步骤： 步骤1，利用拥有预训练的深度神经网络模型进行深度描述符变换来评估网络图像之间的正相关性，根据反映相关性的相关矩阵检测数据集中存在的开集标签噪声，并进行开集标签噪声的去除； 步骤2，利用损失函数驱动模型，使每一个样本的标签集合中尽可能的包含样本真实类别的标签； 步骤3，利用偏标签学习的思想，从样本的标签集合中选择样本的真实标签，从而对闭集标签噪声进行修正，具体为： 在编码阶段，通过随机生成N位的列编码来构建编码矩阵M∈{+1,-1}N×L，其中N表示类别的数量，L表示二分类器的数量，编码矩阵用于对训练过程中的样本进行划分；一随机生成的列编码可将标签空间划分正标签空间和负标签空间 利用正负标签空间选择正负样本，给定一个训练样本其中视标签集合为一个整体来帮助构建二分类器；当标签集中全部类别落入或时，样本才会被用作正或负样本；于是这些正负样本组成了二分类训练集 在解码阶段，对于每一个类构造连通集，第j类的连通集表示为： 根据连通集εy产生性能矩阵GN×L来反映分类器的能力，第j类在第t个分类器gt上的性能计算如下： 其中是指示符函数，对性能矩阵G逐行进行归一化： 其中对于一个闭集标签噪声获得类别预测通过： 最后，闭集标签噪声获得伪标签将干净样本和拥有伪标签的闭集标签噪声合并送入卷积神经网络中进行训练。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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”。