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！

龙图腾网获悉哈尔滨工业大学申请的专利基于不确定性和多样性获取函数的主动学习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：CN119723202B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411904100.7，技术领域涉及：G06V10/764；该发明授权基于不确定性和多样性获取函数的主动学习方法是由田瑞;张永强;张印;张漫;张子安;朱月熠;李永强;丁明理设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本基于不确定性和多样性获取函数的主动学习方法在说明书摘要公布了：一种基于不确定性和多样性获取函数的主动学习方法，属于计算机视觉中物体检测器的主动学习领域。本发明针对现有主动学习过程利用的初始化后的物体检测器不能深层次挖掘有价值图像的特征的问题。包括：采用基于图像级标签训练好的弱监督物体检测器和部分实例级标签初始化的全监督物体检测器对训练集中已标注真值或伪真值的图像进行检测，根据检测结果计算实例级困难分数、类级困难分数及类相同权重；再对未标注实例级标签图像进行检测，基于类相关权重和熵计算图像级困难分数并确定候选图像；根据对候选图像的检测结果计算每两幅候选图像的相似度，确定候选图像的聚类中心，聚类后确定有价值图像。本发明能够进一步地精炼全监督的物体检测器。

本发明授权基于不确定性和多样性获取函数的主动学习方法在权利要求书中公布了：1.一种基于不确定性和多样性获取函数的主动学习方法，其特征在于，包括， 采用基于图像级标签训练好的弱监督物体检测器和部分实例级标签初始化的全监督物体检测器对训练集中已标注真值或伪真值的图像进行检测，弱监督物体检测器输出的检测结果为全监督物体检测器输出的检测结果为yf；结合主动学习初始化过程访问的真值或伪真值，计算得到实例级困难分数；对实例级困难分数通过指数移动平均更新计算类级困难分数；再对类级困难分数进行非线性处理，得到类相关权重； 利用基于图像级标签训练好的弱监督物体检测器和部分实例级标签初始化的全监督物体检测器对未标注实例级标签图像进行检测；基于所述类相关权重和熵计算得到未标注实例级标签图像的图像级困难分数，将图像级困难分数作为不确定分数，选择不确定分数高的b个未标注实例级标签图像作为候选图像；其中b为设定常数； 采用基于图像级标签训练好的弱监督物体检测器和部分实例级标签初始化的全监督物体检测器对候选图像进行检测，输出包括物体位置、物体类别和物体特征的检测结果；根据检测结果采用图像之间的相似度作为多样化获取函数的代理，计算每两幅候选图像的图像相似度； 根据图像相似度选择相互之间相似度低的K个候选图像作为聚类中心，基于所述聚类中心将所有候选图像基于余弦相似度和欧式距离进行聚类，将聚类后每一簇的聚类中心作为有价值图像，精炼初始化后的全监督物体检测器；其中K为设定常数； 实例级困难分数的计算方法为： 式中d为实例级困难分数，ygt为检测结果对应的真值或伪真值，Pyf|ygtρ为检测结果yf中的分类结果，ρ为指数超参数，为检测结果中的定位信息，IoU为交并比计算函数； 定义两幅候选图像为Ia和Ib，采用基于图像级标签训练好的弱监督物体检测器和部分实例级标签初始化的全监督物体检测器对分别对Ia和Ib进行检测，弱监督物体检测器输出的检测结果为O′a和O′b，全监督物体检测器输出的检测结果为O″a和O″b，则Ia和Ib的图像相似度为： 式中S′为利用弱监督物体检测器计算的Ia和Ib的图像相似度，S″为利用全监督物体检测器计算的Ia和Ib的图像相似度；S′和S″的计算方法相同： 式中ta,j为图像Ia中第j个物体的分类结果，Ma为图像Ia中物体的预测总个数，o′a,j表示图像Ia中的第j个物体，simo′a,j,O′b表示o′a,j与Ib中所有同类物体的余弦相似度。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。