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！

龙图腾网获悉浙江大学申请的专利用于测试时间的图像分类域泛化方法及装置、电子设备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：CN116543190B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211707585.1，技术领域涉及：G06V10/764；该发明授权用于测试时间的图像分类域泛化方法及装置、电子设备是由林兰芬;陈维哲;邱兆林;牛子未设计研发完成，并于2022-12-29向国家知识产权局提交的专利申请。

本用于测试时间的图像分类域泛化方法及装置、电子设备在说明书摘要公布了：本发明公开了一种用于测试时间的图像分类域泛化方法及装置、电子设备，包括：在测试时间，将目标域图像输入由源域数据训练好的深度神经网络模型中，进行首次预测，并构建伪标签，所述深度神经网络模型由特征提取器和线性分类器组成；使用伪原型分类器替代所述线性分类器，依据所述伪标签，使用预测熵值低于设定值的目标域图像样本的特征表示更新伪原型分类器；使用更新后的伪原型分类器进行二次分类，并构建二次伪标签；使用未经目标域图像更新的所述深度神经网络模型进行初始模型预测；根据所述首次预测和所述初始模型预测，对目标域图像样本进行过滤及打分；结合过滤信息、样本分数和二次伪标签，对特征提取器进行更新。

本发明授权用于测试时间的图像分类域泛化方法及装置、电子设备在权利要求书中公布了：1.一种用于测试时间的图像分类域泛化方法，其特征在于，包括： 在测试时间，将目标域图像输入进经由源域数据训练好的深度神经网络模型中，对其进行首次预测，获取目标域图像的特征表示和首次分类结果，并依据所述分类结果构建伪标签，所述深度神经网络模型由特征提取器和线性分类器组成； 使用伪原型分类器替代所述线性分类器，依据所述伪标签，使用预测熵值低于设定值的目标域图像样本的特征表示来更新伪原型分类器； 使用更新后的伪原型分类器对所述目标域图像的特征表示进行二次分类，得到最终分类结果，并依据所述二次分类结果构建二次伪标签； 使用未经目标域图像更新的所述深度神经网络模型对目标域图像进行初始模型预测，获取目标域图像的初始模型预测置信度； 根据所述首次预测和所述初始模型预测置信度，过滤不可靠的目标域图像样本，依据可靠程度和偏移程度给图像样本打分； 结合过滤信息和样本分数，对特征提取器进行更新，同时，依据所述二次伪标签调整特征提取器的更新趋势； 其中，使用伪原型分类器替代所述线性分类器，依据所述伪标签，使用预测熵值低于设定值的目标域图像样本的特征表示来更新伪原型分类器，包括： 创建支撑集合集，伪原型分类器的构建依托于支撑集合集的创建； 使用线性分类器各类别对应的权重对支撑集合集进行初始化，也即是等同于对伪原型分类器进行初始化，其中为与特征提取器输出维度一致的向量； 以代表时刻类别所对应支撑集合的状态，依据伪标签，将属于类别的目标域图像的特征表示用于更新对应的支撑集合，该更新的过程将重复次，为时刻到来的目标域图像样本个数； 依据预测熵值大小对支撑集合内元素进行过滤； 其中，使用更新后的伪原型分类器对所述目标域图像的特征表示进行二次分类，得到最终分类结果，并依据所述二次分类结果构建二次伪标签，包括： 对更新及过滤后的支撑集合集的各支撑集合内元素进行加权平均得到各支撑集合质心，即伪原型分类器在时刻各类别对应的权重； 依据所述各支撑集合质心，通过计算目标域图像的特征表示和各支撑集合质心之间的余弦近似度来对目标域图像进行二次分类，得到目标域图像的二次分类结果； 将预测概率最大的所对应的类别作为目标域图像的二次伪标签。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。