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！

龙图腾网获悉西北工业大学申请的专利一种基于图像关键数据提取的半监督学习主动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：CN116863195B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202310576193.4，技术领域涉及：G06V10/764；该发明授权一种基于图像关键数据提取的半监督学习主动方法是由张艳宁;梁国强;韩光辉;胡嘉豪;张世周设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本一种基于图像关键数据提取的半监督学习主动方法在说明书摘要公布了：本发明公开了一种基于图像关键数据提取的半监督学习主动方法，首先从无标签样本池中随机选取一小部分样本进行标注，得到初始有标签样本集和无标签样本集，使用有标签集进行有监督的模型训练，再使用最大置信度大于等于阈值的无标签样本集进行无监督的模型训练，得到第一次迭代后的模型；然后从最大置信度小于阈值的无标签样本中，使用基于不确定性和多样性的主动学习算法，查询信息量最丰富的样本进行标注；接下来根据挑选出的样本，对有标签样本集和无标签样本集进行更新；重复上述过程，直到达到预设的模型精度或者标注预算耗尽。本发明提高了分类性能，能够给样本选择策略提供更可靠的信息。

本发明授权一种基于图像关键数据提取的半监督学习主动方法在权利要求书中公布了：1.一种基于图像关键数据提取的半监督学习主动方法，其特征在于，包括如下步骤： 步骤1：随机从图像无标签样本池中选取部分样本进行标注，得到初始有标签样本集L和无标签样本集U； 步骤2：对于有标签样本进行弱增强操作，对无标签样本分别进行弱增强和强增强操作； 步骤3：使用有标签样本，利用交叉熵损失函数对主动学习模型参数进行有监督优化训练； 步骤4：对于无标签样本，如果当前模型预测的最大置信度大于预设阈值，就将该置信度对应的类别作为真实标签，采用一致性损失进行无监督的模型训练； 步骤5：采用基于不确定性和多样性的主动学习算法从当前模型预测的最大置信度小于预设阈值的无标签样本中，选择信息量分数最高的前b个样本，交给样本标注专家进行标注； 步骤6：将步骤5经过标注的无标签样本加入到有标签样本集L中，并从无标签样本集U中剔除经过标注的无标签样本； 步骤7：重复上述步骤1到步骤6，直到达到预设的模型精度或者样本标注预算被耗尽； 其中，所述步骤4具体如下： 步骤4-1：依据当前模型对每个无标签样本进行弱增强后得到的版本预测其所属的类别概率分布； 步骤4-2：如果弱增强版本的预测概率分布中，预测的最大置信度大于预设阈值，则将该置信度对应的类别作为当前无标签样本的伪标签，然后采用下式进行无监督的训练： 其中strong代表对无标签样本进行强增强操作，是超参数阈值，是伪标签的one-hot编码，是无标签样本，B表示样本批次大小，表示模型预测的样本x类别分布。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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。