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！

龙图腾网获悉浙江大学申请的专利一种基于类别边界不确定性的关系型知识蒸馏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：CN119692426B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202411680163.9，技术领域涉及：G06N3/096；该发明授权一种基于类别边界不确定性的关系型知识蒸馏方法是由梁国艳;周芹;王喆;陈静远;谷林;姚畅;伍赛设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本一种基于类别边界不确定性的关系型知识蒸馏方法在说明书摘要公布了：本发明公开了一种基于类别边界不确定性的关系型知识蒸馏方法。1一张图像同时分别经过两个网络分支的特征编码器得到中间特征图谱，再经解码器得到最后的分割预测图谱；2基于步骤1得到的中间特征图谱，计算特征级的一致性蒸馏损失；3基于步骤1得到的分割预测图谱，计算像素级的一致性蒸馏损失；4基于步骤1得到的双分支的分割预测图谱及其对应的真实类别标签A，分别计算分支1和2的目标损失；5计算总的优化损失函数；6基于步骤5的损失函数训练模型。本发明引入BURKD算法，可以更好地建模样本间和类别间的关系，采用基于类别边界不确定的方法对每一种类别进行适应性的动态加权，提高语义分割的性能。

本发明授权一种基于类别边界不确定性的关系型知识蒸馏方法在权利要求书中公布了：1.一种基于类别边界不确定性的关系型知识蒸馏方法，包括如下步骤： 1将一张图像分别同时输入两个网络分支，先分别经特征编码器得到中间特征图谱F1,F2；再分别经解码器得到最后的分割预测图谱 2基于步骤1得到的中间特征图谱F1,F2，计算特征级的一致性蒸馏损失Lfc； 3基于步骤1得到的分割预测图谱计算像素级的一致性蒸馏损失 4基于步骤1得到的双分支的分割预测图谱及其对应的真实类别标签A，分别计算第一网络分支和第二网络分支的目标损失 5综合步骤2得到的Lfc和步骤3得到的以及步骤4得到的计算总的优化损失Li； 6基于步骤5的损失函数训练模型； 7运用步骤6训练好的模型获得待处理图像的分割或分类结果； 所述步骤2具体为：基于步骤1得到的双分支的中间特征图谱F1,F2，依次计算类别特异性的原型、建模样本间和类别间的上下文关系以及类别边界不确定性的重新加权，得到特征级的一致性损失Lfc，具体操作如下： 步骤2.1类别特异性的原型生成：给定中间特征图谱以及其对应的真实标签A∈RH×W×Z，分别计算第一网络分支和第二网络分支的类别特异性的原型： 其中，Hi,Wi,Zi表示特征的长、宽、高，df表示特征的通道数目，H,W,Z表示真实标签A的长、宽、高，Nc表示属于类别c的像素点数目，是一个指示器函数，表示当内部条件为True时值为1，否则为0； 步骤2.2样本间和类别间的关系上下文建模：基于步骤2.1得到的类别特异性原型，通过以下公式得到样本间和类别间的关系图谱R1和R2： 其中，分别表示第一网络分支和第二网络分支中第b1个样本的第c1个类别的原型，R1，R2∈RB*C×B*C，B表示一个batch内样本的数目，C表示语义类别数目；a，b表示计算元素a与b的点积相乘操作，Rib1,c1；b2,c2表示第i个网络分支中第b1个样本的c1个类别与第b2个样本的c2个类别之间的特征相似性；然后计算双分支间的样本间、类别间的关系距离差异： 其中，表示第一网络分支和第二网络分支之间的第b1个样本、第c1个类别的整体关系差异； 步骤2.3基于边界不确定性的重新加权：基于步骤1得到的最终分割预测图谱使用softmax方法归一化预测结果然后计算类别特异性权重 其中，Wi＝{Wic}∈RC，C表示类别数目，表示分支i的第c个类别；σ表示softmax函数； 通过获取两个网络分支的平均值得到最终的不确定性权重： 步骤2.4最后的特征级的关系一致性损失为； 其中，Wb1,c1表示Wc的一个子集，即Wc的b1样本。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。