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！

龙图腾网获悉湖南第一师范学院申请的专利基于半监督生成式推理网络的目标抓取点生成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：CN119850911B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411903089.2，技术领域涉及：G06V10/25；该发明授权基于半监督生成式推理网络的目标抓取点生成方法是由秦海;胡琼文;秦春旭;张谦;李世友;高峰设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本基于半监督生成式推理网络的目标抓取点生成方法在说明书摘要公布了：本发明公开了一种基于半监督生成式推理网络的目标抓取点生成方法，包括：获取多源固体垃圾图像并构建数据集：已标注是否存在可回收目标的图像数据集X0，存在可回收目标且带目标的抓取配置标签的图像数据集X1，存在可回收目标且未带目标的抓取配置标签的图像数据集X2；构建网络模型，包括目标检测网络和抓取推理网络，其中抓取推理网络采用VQ‑VAE；使用X0训练目标检测网络，使用X1和X2并采用半监督方式训练抓取推理网络；对新来的多源固体垃圾图像，使用训练好的目标检测网络判断其中是否存在可回收目标；如果存在可回收目标，则使用训练好的抓取推理网络生成对应的抓取配置。本发明能够在有限标签数据的条件下准确生成图像中目标的抓取配置。

本发明授权基于半监督生成式推理网络的目标抓取点生成方法在权利要求书中公布了：1.一种基于半监督生成式推理网络的目标抓取点生成方法，其特征在于，包括： 步骤1，获取多源固体垃圾图像并构建数据集，其中包括：1已标注是否存在可回收目标的图像数据集，2存在可回收目标且带目标的抓取配置标签的图像数据集，3存在可回收目标且未带目标的抓取配置标签的图像数据集； 其中，表示数据集中的第个图像样本，表示图像样本中用于标记是否存在可回收目标的标签，表示数据集的样本数量；表示数据集中第个存在可回收目标的图像样本，表示图像样本中可回收目标的抓取配置标签，表示数据集的样本数量，表示数据集中第个存在可回收目标的图像样本，表示数据集的样本数量； 步骤2，构建网络模型，包括目标检测网络和抓取推理网络； 所述抓取推理网络包括编码阶段的三个卷积层、解码阶段的三个卷积转置层以及编码阶段与解码阶段之间的五个残差层；所述编码阶段包括两条不同的支路，分别输入RGB彩色图像和深度图像；在两条支路上：b1首先在卷积层对各自输入图像进行卷积操作，然后在BN层进行归一化操作，而后对两条通道中低于指定阈值的数据替换为另一通道中的数据，再对通道交换后的数据进行激活；b2按b1相同的过程执行第二次通道交换和第三次通道交换；b3将两条支路得到的特征图沿通道维度进行拼接操作，而后送到残差层进行处理； 步骤3，使用数据集训练目标检测网络，使用数据集和并采用半监督方式训练抓取推理网络； 所述抓取推理网络采用矢量量化变分自编码器，即VQ-VAE，包括编码器、量化层、解码器和检测器；表示编码器的参数，表示解码器的参数，表示检测器的参数，表示图像样本，表示图像样本对应的标签，为编码器得到的潜在特征；为经量化器后得的潜在特征； 所述使用数据集和并采用半监督方式训练抓取推理网络，包括： 首先使用无标签数据集并基于以下目标函数对VQ-VAE中的编码器、量化层、解码器进行预训练： ； 式中，为预训练的目标函数，为拉格朗日乘子且，是损失函数；是KL散度，用于约束分布的复杂度；是核心目标，用来直接优化模型精度，KL散度是间接约束，作为辅助项； 然后将编码器经量化层后与检测器连接； 再固定编码器和量化层的参数，并使用有标签数据集并基于以下分类损失函数对检测器的参数进行训练； ； 式中，Px,y表示图像样本x和标签y的联合概率分布；在目标函数中，联合分布Px,y用于计算期望，这表示模型在数据分布上的平均分类性能；Px,y作为期望的权重分布，希望模型能够在真实分布Px,y上最大化条件对数似然，即通过最大化这个期望，优化模型以更准确地预测给定x时的标签y； 编码器经量化层后与检测器连接后经训练得到的整体，构成训练得到的抓取推理网络； 步骤4，对新来的多源固体垃圾图像，使用训练好的目标检测网络判断其中是否存在可回收目标；如果存在可回收目标，则进一步使用训练好的抓取推理网络生成对应的抓取配置。

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湖南第一师范学院，其通讯地址为：410221 湖南省长沙市岳麓区枫林三路1015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。