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！

龙图腾网获悉中南大学申请的专利一种基于非对称掩码的对比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：CN116363465B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310355846.6，技术领域涉及：G06V10/778；该发明授权一种基于非对称掩码的对比学习方法是由沈成超;陈建忠;王建新设计研发完成，并于2023-04-06向国家知识产权局提交的专利申请。

本一种基于非对称掩码的对比学习方法在说明书摘要公布了：本发明公开了一种基于非对称掩码的对比学习方法对提取的图像的语义信息进行图像分类的方法，主要包括对获取到的原始图像进行两次随机裁剪并分别做不同的数据增强来构建正样本对；采用非对称掩码策略对图像块进行采样，降低重叠区域的采样率，构建具有较大外观差异的正样本对；将采样的图像块输入到一对参数共享的编码器中，其中一侧编码器使用梯度下降更新，另一侧编码器则动量更新来提取图像表征；将图像表征分别经过映射模块和预测模块，使用对比损失函数最小化正样本之间的差异，同时最大化负样本之间的差异；同时在训练的过程中利用自适应的裁剪梯度策略来稳定训练过程。本发明能够更好的捕捉图像表征信息，从而能够提高图像分类的准确率。

本发明授权一种基于非对称掩码的对比学习方法在权利要求书中公布了：1.一种基于非对称掩码的对比学习方法，其特征在于，包括以下步骤： 步骤1、对获取到的原始图像进行2次随机裁剪、随机水平垂直翻转和颜色变化数据增强，获取裁剪框，构建正样本对，分别得到图像的视图1和视图2； 步骤2、对视图1划分后的图像块进行均匀采样，其中掩码块大小与图像块大小一致，掩码块的总数量为掩码比率乘以总的图像块个数；为了进一步的降低正样本对的外观相似性，采用非对称掩码策略来降低重叠区域的采样率，提高非重叠区域的采样率；首先对视图1中的图像块进行随机采样，再根据视图1中已经采样的图像块来确定视图2中需要采样的图像块；所采用的采样方法是根据视图2与视图1之间的图像块的重叠比例来确定视图2中与视图1的采样率；其中，重叠比例的计算方式如下： 其中，Pii＝1,2代表视图i中采样的图像块；S·代表的是给定图像块的面积；为了降低重叠图像块的采样概率，在视图2中使用了一种选择性的图像采样方法，其采样概率密度psel通过以下公式计算： psel＝γ+1·s1·1-roverlapγ 其中s1指的是视图1中的图像块的采样概率，γ是调整采样灵敏度的超参数；γ越大，图像块被采样的可能性越小；这种选择性采样和稀疏采样方法形成了不对称采样策略；由于稀疏采样策略从第一视图x1均匀的采样图像块，因此重叠区域x1∩x2 中的图像块采样的概率也是s1，与x1中的概率相同；因此，采样概率密度需要满足以下等式：通过以上非对称掩码策略对图像块掩码采样，降低正样本之间重叠区域的采样率，构建具有较大外观差异的正样本对； 步骤3、分别将正样本对放入初始参数共享的编码器中，提取图像表征信息，其中一侧编码器使用梯度下降更新，另一侧编码器则动量更新； 步骤4、将图像表征分别经过映射模块和预测模块，使用对比损失函数最小化正样本之间的差异，同时最大化负样本之间的差异； 步骤5、在训练的过程中利用自适应的裁剪梯度策略来平稳梯度、稳定训练过程； 步骤6、通过训练得到的模型在图像分类任务上微调，对测试数据集图像进行分类。

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中南大学，其通讯地址为：410083 湖南省长沙市麓山南路932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。