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！

龙图腾网获悉河海大学申请的专利一种基于类别自适应的动态标签分布阈值的鲁棒分类方法及装置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：CN119904670B 。

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：202411825988.5，技术领域涉及：G06V10/764；该发明授权一种基于类别自适应的动态标签分布阈值的鲁棒分类方法及装置是由陈昂;许峰;吕鑫;胡源祥;胡彤彤设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本一种基于类别自适应的动态标签分布阈值的鲁棒分类方法及装置在说明书摘要公布了：本发明提出了一种基于类别自适应的动态标签分布阈值的鲁棒分类方法及装置。该方法基于CNN模型提取噪声训练数据的特征并输出类别预测结果，根据标签类别将可信数据队列中的数据进行分组，并计算每个噪声训练数据的标签分布；基于标签分布自适应地更新类别层面的标签分布阈值；然后基于标签分布阈值将训练数据划分为干净数据子集、纯化数据子集以及噪声数据子集；然后在子集中应用不同的正则化策略和损失函数，基于总损失函数更新模型参数，同时基于小损失选择准则从干净数据子集中挑选出一批数据更新可信数据队列；最后，训练得到分类模型用于预测未见数据的真实类别。本发明能够准确地检测出包含标签噪声的数据，并进行有效的分类模型的鲁棒训练。

本发明授权一种基于类别自适应的动态标签分布阈值的鲁棒分类方法及装置在权利要求书中公布了：1.一种基于类别自适应的动态标签分布阈值的鲁棒分类方法，其特征在于，包括： 训练分类模型； 基于训练好的分类模型进行类别预测； 所述训练分类模型，包括： 基于噪声训练数据集对CNN模型进行预热训练并初始化可信数据队列，以及基于CNN模型提取所有噪声训练数据的特征并输出类别预测结果；所述噪声训练数据集由图像和标签类别对组成，其中，标签类别是指对图像中的对象所属类别进行标注，所述噪声训练数据集中包括与图像所属类别不一致的标签，称为噪声标签； 根据标签类别将可信数据队列中的数据分组，基于噪声训练数据的特征和可信数据队列中的可信数据引导分别计算每个噪声训练数据的标签分布，包括： 根据标签类别，将所述可信数据队列中的可信数据进行分组，每组中的数据共享相同的标签类别，分组的结果为：，其中表示总的类别数量； 计算所述噪声训练数据和每一组的可信数据在特征空间上的距离，得到噪声训练数据的标签分布，表示如下： 其中，为分组中的可信数据的特征，为噪声训练数据的特征，表示噪声训练数据和分组中可信数据在特征空间上的距离，表述噪声训练数据的标签分布在类别上的分量，为可信数据队列中属于分组的数据总量； 将进行归一化处理； 基于噪声训练数据的标签分布对类别层面的标签分布阈值进行自适应调整，包括： 统计所述噪声训练数据的标签分布中最大分量对应的类别与真实标注的标签类别相同，且最大分量超过预设阈值的噪声训练数据数量， 基于统计的各个类别上满足条件的噪声训练数据，按如下方式自适应动态调整每个类别对应的标签分布阈值： ， 其中，表示前一轮次满足阈值条件的最大噪声训练样本数量，表示前一轮次类别中满足阈值条件的噪声训练样本数量，为当前轮次类别的标签分布阈值，为预设阈值； 将进行归一化处理； 基于噪声训练数据的标签分布和类别层面的标签分布阈值，将噪声训练数据划分为干净数据子集、纯化数据子集和噪声数据子集，并施加不同的正则化策略和损失函数； 基于总损失函数更新所述CNN模型的模型参数，并更新所述可信数据队列中的可信数据；通过迭代训练完成后，得到训练好的分类模型。

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河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路1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。