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！

龙图腾网获悉南京大学申请的专利一种基于半监督不平衡学习技术的道路路面图像标注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：CN116824268B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310881586.6，技术领域涉及：G06V10/764；该发明授权一种基于半监督不平衡学习技术的道路路面图像标注方法是由李宇峰;刘倩玉;周志华设计研发完成，并于2023-07-18向国家知识产权局提交的专利申请。

本一种基于半监督不平衡学习技术的道路路面图像标注方法在说明书摘要公布了：本发明公开一种基于半监督不平衡学习技术的道路路面图像标注方法，针对无人驾驶领域中道路路面数据标注数量少、难度大的问题，对存在不平衡类别分布的数据设计半监督分类模型，具有易实现、高效的特点，可以基于少量的有标注样本，实现模型的快速性能提升。主要步骤包括：基于仅有少量标注的图像数据集，利用半监督学习技术训练基准模型，为无标注样本预测得到伪标注标注分布；优化基准模型结果，基于原型学习更新得到高质量伪标注，基于类别比例的逻辑调整使基准模型预测更平衡；构造重用模型，基于标注分布学习，使其充分学习基准模型预测标注分布中少数类信息。将最终的重用模型作为目标图像数据集上的机器学习模型。

本发明授权一种基于半监督不平衡学习技术的道路路面图像标注方法在权利要求书中公布了：1.一种基于半监督不平衡学习技术的道路路面图像标注方法，其特征在于，具体包括： 1构造目标任务的道路路面图像数据集，所述目标任务的道路路面图像数据集即目标图像数据集，其中仅有少量图像样本被标注； 2利用半监督学习技术为所述道路路面图像数据集建立基准模型，为无标注样本预测得到伪标注的标注分布； 3优化基准模型结果，基于原型学习更新得到高质量伪标注，基于类别比例的逻辑调整使基准模型预测更平衡； 所述基于原型学习更新得到高质量伪标注，其步骤为： 31利用神经网络特征学习器得到标注数据特征； 32利用每类标注数据特征计算得到类中心； 33利用神经网络特征学习器得到无标注样本特征； 34计算无标注样本与每类类中心的余弦距离，将距离最近的类更新为无标注样本的伪标注； 利用基于类别比例的逻辑调整进行平滑，使预测结果偏向少数类；其中，将平滑后的结果转换为范围在[0,1]且和为1的概率分布，即标注分布；为基准模型的特征学习器，为基准模型的分类器，为输入样本经过强增强后得到的；是类先验概率的估计，是控制平滑程度的参数，基准模型的预测结果如下： 4构造重用模型，基于标注分布学习，使重用模型充分学习基准模型预测标注分布中少数类信息；基于基准模型中卷积网络参数，初始化重用模型，将基准模型与重用模型的预测标注分布进行相似性度量，训练重用模型；重用模型基于基准模型的卷积网络参数，构建特征学习器，并训练一个新的分类器，即训练更新神经网络的特征学习器，以及初始化并训练一个新的全连接层；通过重用模型为无标注样本进行预测，预测结果为无标注样本的伪标注，筛选伪标注；利用强增强后的样本预测得到预测标注分布，将基准模型的预测标注分布，与重用模型的预测标注分布进行相似性度量，训练更新重用模型；相似性度量利用KL散度，计算分布差异损失，训练模型；KL散度是衡量两个概率分布的相似性的度量指标，为样本类别，L为样本总类别数量，具体如下： 重用模型分类器中，标注数据的训练与基准模型相同，区别在于无标注样本训练是基于标注分布的相似性度量，具体如下： 为重用模型的训练损失，为有标记数据，为无标记数据； 5将最终的重用模型作为目标图像数据集上的机器学习模型，用于道路路面图像标注。

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大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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。