Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国科学院合肥物质科学研究院黄河获国家专利权

中国科学院合肥物质科学研究院黄河获国家专利权

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!

龙图腾网获悉中国科学院合肥物质科学研究院申请的专利结合主动学习和多尺度视图学习的虫害半监督目标检测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:CN119516159B

龙图腾网通过国家知识产权局官网在2025-10-21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:202411303954.X,技术领域涉及:G06V10/25;该发明授权结合主动学习和多尺度视图学习的虫害半监督目标检测方法是由黄河;李显威;孙友强;张俊卿;张玮;屈方设计研发完成,并于2024-09-19向国家知识产权局提交的专利申请。

结合主动学习和多尺度视图学习的虫害半监督目标检测方法在说明书摘要公布了:本发明涉及一种结合主动学习和多尺度视图学习的虫害半监督目标检测方法,包括:构建半监督目标检测数据集;对半监督目标检测数据集进行数据增强;构建半监督模型并生成伪标签;通过学生模型进行多尺度视图学习,得到多尺度视图预测结果;进行半监督训练;进行主动学习,对半监督目标检测数据集进行更新;将待检测的田间玉米图像输入最终训练后的教师模型,得到最终的虫害检测结果。本发明结合主动学习去选取一些对模型有益,能够有效提升性能的数据来标注,最大程度地利用标注成本;加入多尺度视图学习结构,捕获有效信息;最终能够在有限的20%标注数据情况下,实现超过80%标注数据的检测精度,极大的节省了标注成本。

本发明授权结合主动学习和多尺度视图学习的虫害半监督目标检测方法在权利要求书中公布了:1.一种结合主动学习和多尺度视图学习的虫害半监督目标检测方法,其特征在于:该方法包括下列顺序的步骤: 1构建半监督目标检测数据集:采集田间玉米图像进行预处理,得到预处理后的图像,随机选取预处理后的图像中5%的图像进行标注,得到标注图像,标注图像与未标注图像共同组成半监督目标检测数据集; 2对半监督目标检测数据集进行数据增强,得到数据增强后的半监督目标检测数据集:对于半监督目标检测数据集中的标注数据进行标准监督数据增强,得到增强后的标注数据;对半监督目标检测数据集中的未标注数据分别进行半监督强数据增强和半监督弱数据增强,分别得到强增强后的未标注数据和弱增强后的未标注数据;增强后的标注数据、强增强后的未标注数据和弱增强后的未标注数据组成数据增强后的半监督目标检测数据集; 3构建半监督模型并生成伪标签:所述半监督模型包括教师模型和学生模型,将弱增强后的未标注数据输入教师模型进行预测,教师模型输出预测结果,利用自适应伪标签过滤器对预测结果产生用于无监督损失的可靠伪标签; 4通过学生模型进行多尺度视图学习:对强增强后的未标注数据进行下采样,得到下采样后的数据,将下采样后的数据与强增强后的未标注数据组成两个尺度的视图数据,将两个尺度的视图数据输入学生模型,学生模型输出两个视图特征图即下采样特征图和未下采样特征图,经过对齐、融合后,得到融合后的特征图,将融合后的特征图与下采样特征图输入学生模型,学生模型进行前向传递得到多尺度视图预测结果; 5进行半监督训练:将增强后的标注数据输入学生模型进行监督损失计算,得到监督损失;同时,将可靠伪标签、多尺度视图预测结果输入教师模型进行无监督损失计算,得到无监督损失;组合监督损失和无监督损失,并反向传播训练学生模型,训练后通过EMA指数移动平均算法更新教师模型,得到更新后的教师模型,训练后的学生模型和更新后的教师模型组成经过半监督训练后的半监督模型; 6进行主动学习:将未标注数据输入经过半监督训练后的半监督模型,计算度量值,并根据度量值筛选出值较大的未标注数据进行标注,标注后的数据补充至半监督目标检测数据集中的标注数据部分,对半监督目标检测数据集进行更新; 7重复步骤2至步骤6,直到标注数据量在半监督目标检测数据集中的占比达到20%,完成训练,得到最终训练后的教师模型,将待检测的田间玉米图像输入最终训练后的教师模型,得到最终的虫害检测结果; 所述步骤6具体包括下列步骤: 6a使用经过半监督训练后的半监督模型对未标注数据进行度量计算; 6b计算每张图的信息度量,包括师生分歧Divergence、元偏差MetaDistance和不确定性Uncertainty,然后将这三个度量进行L2正则化得到每张图的信息值; 6c然后将每张图的信息值进行降序排序,选取出前α个未标注数据添加到标注数据集中,α指的是所有采集数据的2.5%的个数,从而构成新的半监督目标检测数据集,进行新一轮的训练。

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中国科学院合肥物质科学研究院,其通讯地址为:230031 安徽省合肥市蜀山区蜀山湖路350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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。