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！

龙图腾网获悉华中师范大学申请的专利一种基于不可靠伪标签学习的半监督高光谱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：CN115953621B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202211571102.X，技术领域涉及：G06V10/764；该发明授权一种基于不可靠伪标签学习的半监督高光谱图像分类方法是由孙昊;姚华雄;陈仁义;谢伟设计研发完成，并于2022-12-08向国家知识产权局提交的专利申请。

本一种基于不可靠伪标签学习的半监督高光谱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不可靠伪标签学习的半监督高光谱图像分类方法，包括：1搭建两个具有相同结构的教师和学生神经网络模型用于提取样本特征；2使用少量标记样本预先训练教师网络模型；3根据类别概率将无标记样本划分成可靠和不可靠样本；4将可靠的预测值作为正确的伪标签，同少量标记样本计算监督损失；5通过采样的策略构造锚点像素、正样本和负样本，使用对比学习重新利用不可靠预测值的样本特征；6计算目标函数，优化神经网络模型参数；7预测高光谱图像分类性能。本发明采取对比学习方式将不可靠伪标签作为对应类别的负样本，为模型补充大量的互补信息，提高了模型的分类性能。

本发明授权一种基于不可靠伪标签学习的半监督高光谱图像分类方法在权利要求书中公布了：1.一种基于不可靠伪标签学习的半监督高光谱图像分类方法，其特征在于，包括如下步骤： 1基于知识蒸馏模型搭建神经网络，构建两个具有相同结构的学生网络和教师网络结构用于样本的特征提取； 2采取监督学习方式在标记样本集上预先训练教师网络模型，得到初始的分类器； 3无标记样本经过学生网络后得到样本的类别概率，通过无标记样本类别概率计算得到的熵，将无标记样本划分成可靠样本和不可靠样本； 步骤3的具体实现方式如下： 3a获取无标记样本类别概率：无标记样本经过学生网络编码器和分类器后得到样本的类别概率pj∈RC； 3b计算无标记样本的熵：通过无标记样本的类别概率计算得到的熵，来反应样本预测值的可靠性，使用步骤3a生成的类别概率计算无标记样本的熵Hpj； 其中，C表示类别数目； 3c根据动态阈值将无标记样本划分可靠和不可靠样本：将熵低于阈值γt的无标记样本作为可靠标记样本，反之，作为不可靠样本； 其中，percentile表示分位数，flatten表示线性展平操作，是初始的比例，是第t次迭代的比例，epochs表示模型总的迭代次数，t是当前训练次数； 4将可靠的无标记样本作为正确的伪标签加入到标记样本中，计算标记样本和无标记样本的监督损失，优化教师神经网络； 5对于不可靠的无标记样本部分，使用对比学习方式充分利用不可靠像素点的样本特征，通过采样的方式在对应集合中构造锚点像素、正样本和负样本，用于计算对比损失，优化教师网络； 6构建模型的目标函数，通过反向传播策略更新教师网络参数，使用教师网络模型参数更新学生网络参数； 7加载训练好的网络模型，在测试集上预测像素点对应的类别信息，通过与真实标签进行对比来计算分类精度。

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华中师范大学，其通讯地址为：430079 湖北省武汉市洪山区珞瑜路152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”。

以上内容由龙图腾AI智能生成。