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！

龙图腾网获悉杭州电子科技大学申请的专利一种面向类别不平衡问题的半监督图像分类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：CN116229169B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310198574.3，技术领域涉及：G06V10/764；该发明授权一种面向类别不平衡问题的半监督图像分类方法是由郑小青;洪炜杰;葛铭;孔亚广;魏江;郑松设计研发完成，并于2023-03-03向国家知识产权局提交的专利申请。

本一种面向类别不平衡问题的半监督图像分类方法在说明书摘要公布了：本发明公开了一种面向类别不平衡问题的半监督图像分类方法。本发明在半监督学习方法中加入了元权重网络，通过对不同的样本施加不同的权重，提高了少数类的分类精度，缓解了传统半监督学习算法分类结果偏向多数类的影响。使用元权重网络替代了损失权重函数，通过学习网络的监督损失自适应的调节了元权重网络参数，减少了对于损失权重函数中超参数的设置，减少了实验训练次数。通过学生网络的监督损失来改进教师网络，学生网络能够指导教师网络生成更为准确的伪标签，从而提高学生网络对于未标记样本的分类精度。

本发明授权一种面向类别不平衡问题的半监督图像分类方法在权利要求书中公布了：1.一种面向类别不平衡问题的半监督图像分类方法，其特征在于该方法包括以下步骤： 步骤S1：将CIFAR-10数据集制作成类别不平衡的半监督数据集； 步骤S2：构建神经网络模型，包括一个教师-学生网络模型FT,FS和一个用于给输入的损失添加自适应权重的元权重网络W； 步骤S3：将未标记样本集Xu输入到教师网络FT中，以教师网络的预测结果作为未标记样本的伪标签 将同一批未标记样本集Xu输入到学生网络FS，得到预测学生网络的预测值FSXu；θS； 将伪标签和预测FSXu；θS进行交叉熵计算得到无监督损失LSu； 最后将损失LSu输入到元权重网络W得到含有权重的学生损失LWS，通过学生损失LWS对学生网络的参数进行梯度更新； 步骤S4：将标记样本集Xl输入到更新后的学生网络FS中,将得到的预测值和标记样本的标签进行交叉熵计算得到学生网络的监督损失LSl；通过监督损失LSl对元权重网络W进行梯度更新； 步骤S5：将步骤S4中的标记样本集Xl输入到教师网络得到教师网络的监督损失； 再将步骤S3中的未标记样本集Xu进行数据增强，将增强后的样本集Xu1输入到教师网络，把得到的预测和步骤S3得到的伪标签进行交叉熵计算，得到教师网络的一致性正则化损失； 然后将步骤S4得到的学生网络的监督损失lSl转化为教师网络的无监督损失； 最后将本步骤所得三个损失相加，得到总教师网络损失；使用总教师网络损失对教师网络进行梯度更新； 步骤S6:重复步骤S3-S5，每次从数据集中不重复抽取一个未标记样本集和一个的标记样本集，全部抽取完毕并完成训练相当于一个训练周期，每个训练周期完成后使用验证样本对学生网络模型的分类效果进行验证； 步骤S7：采集需要分类的图像样本并进行预处理，输入到含有最优参数的学生网络模型，将得到的预测结果作为图像样本的标签，完成分类任务。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。