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！

龙图腾网获悉中央财经大学;南京海茵茨数字技术有限公司申请的专利一种基于深度学习的自动纠错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：CN117036917B 。

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：202310948751.5，技术领域涉及：G06V10/98；该发明授权一种基于深度学习的自动纠错方法是由李军;何鸿杰;何直蒙;马凌飞;李静;李志龙;赵花设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本一种基于深度学习的自动纠错方法在说明书摘要公布了：本发明公开了一种基于深度学习的自动纠错方法，包括以下步骤：S1、获取检测区域图像与信息，构建训练集模块，并用先验信息构建训练集；S2、进行道路和井场位置标注，构建影像‑标签对；S3、针对采矿扰动设计并测试深度神经网络架构，通过自动纠错算法提升神经网络的鲁棒性和对错误标签容错率；S4、构建目标函数模块；S5、输入数据集，将所述地表观测数据输入所述训练后的深度神经网络，得到用于道路和井盖提取的神经网络，获取神经网络参数；S6、将目标影像输入深度学习网络，得到不受采矿扰动影响的结果。本发明，通过自动纠错算法来改进和加速土地扰动相关任务，减少深度学习训练过程中错误示例的影响，提高地图数据的准确性和可靠性。

本发明授权一种基于深度学习的自动纠错方法在权利要求书中公布了：1.一种基于深度学习的自动纠错方法，其特征在于：包括以下步骤： S1、获取检测区域图像与信息，构建训练集模块，并用先验信息构建训练集，其中训练集包括输入数据和标签数据，其中训练集包括输入数据和标签数据； S2、进行道路和井场位置标注，构建影像‑标签对，其中标签数据由人工标注真实的地物类型标注； S3、针对采矿扰动设计并测试深度神经网络架构，通过自动纠错算法提升神经网络的鲁棒性和对错误标签容错率； S4、构建目标函数模块，选择了交叉熵损失函数来衡量模型预测结果与真实标签之间的差异； S5、输入数据集，将地表观测数据输入所述训练后的深度神经网络，得到用于道路和井盖提取的神经网络，获取神经网络参数； S6、将目标影像输入深度学习网络，得到不受采矿扰动影响的结果； 所述S3自动纠错算法由下面公式计算： Pp|y*,V＝MincIoUclassp*,Vα,1其中，p*和p为y*和y中对应图像中的对应像素，V为来自验证数据集的模型预测是否正确，Pp|y*,V为y中像素p更新为匹配y*中像素p*的纠错概率，cIoU为验证集中c类的有效性，α为常数。

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中央财经大学;南京海茵茨数字技术有限公司，其通讯地址为：100089 北京市海淀区学院南路39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。