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！

龙图腾网获悉大连交通大学申请的专利一种基于人工合成数据和多源迁移学习的长尾物体识别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：CN116152644B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310056416.4，技术领域涉及：G06V20/00；该发明授权一种基于人工合成数据和多源迁移学习的长尾物体识别方法是由张雪松;刘丽娟设计研发完成，并于2023-01-18向国家知识产权局提交的专利申请。

本一种基于人工合成数据和多源迁移学习的长尾物体识别方法在说明书摘要公布了：本发明公开了一种基于人工合成数据和多源迁移学习的长尾物体识别方法，包括获取多源训练图像集并进行预处理和特征提取，确定每张训练图像的类标签，根据训练特征向量和类标签构建训练数据集；分别对训练数据集所对应的权重集进行初始化，设置权重调节因子和迭代次数，选择初始弱分类器学习算法，根据权重调节因子、迭代次数、初始弱分类器学习算法以及初始化后的权重集对训练数据集进行训练，获取T个弱分类器及其分类器系数；获取目标领域测试图像集并进行预处理和特征提取，根据T个弱分类器对每张测试图像的类标签进行预测并根据预测结果和分类器系数获确定每张测试图像的类标签。有效地提高了图像类分布绝对不平衡条件下的图像分类器性能。

本发明授权一种基于人工合成数据和多源迁移学习的长尾物体识别方法在权利要求书中公布了：1.一种基于人工合成数据和多源迁移学习的长尾物体识别方法，其特征在于，包括， 步骤一、获取N个源领域训练图像集和一个目标领域训练图像集并进行预处理，根据深度神经网络分别对预处理后的N个源领域训练图像集和一个目标领域训练图像集中的每张训练图像进行特征提取，获取每张训练图像的训练特征向量， 步骤二、对每张训练图像的训练特征向量进行l2-zscore归一化处理，根据每张训练图像所包含的物体类别确定所述训练图像的类标签，分别根据归一化处理后的训练特征向量、类标签构建N个源领域训练数据集和一个目标领域训练数据集， 步骤三、分别对N个源领域训练数据集和一个目标领域训练数据集所对应的权重集进行初始化，设置权重调节因子，设置迭代次数为T，选择初始弱分类器学习算法，根据权重调节因子、迭代次数、初始弱分类器学习算法以及初始化后的权重集对N个源领域训练数据集和一个目标领域训练数据集进行训练，获取T个弱分类器及其分类器系数，所述步骤三包括， S1、分别将N个源领域训练数据集和一个目标领域训练数据集的权重集进行初始化，设置权重调节因子，初始化n=1，t=1， S2、对于第t次迭代，对N个源领域训练数据集和目标领域训练数据集的权重集进行归一化，分别对目标领域训练数据集和目标领域训练数据集所对应的权重集进行人工合成，获取人工合成后的目标领域训练数据集和目标领域训练数据集所对应的权重集， S3、分别将第n个源领域训练数据集、目标领域训练数据集与人工合成后的目标领域训练数据集进行合并并表示为第n个合并训练集，分别将第n个源领域训练数据集所对应的权重集、目标领域训练数据集所对应的权重集与人工合成后的目标领域训练数据集所对应的权重集进行合并并表示为第n个合并权重集，根据所选择的初始弱分类器学习算法和第n个合并权重集对第n个合并训练集进行训练，获取训练后的第n个弱分类器，计算第n个弱分类器在目标领域数据集上的第n个训练错误率， S4、令n=n+1，当n≤N时，返回执行S3，获取N个弱分类器，从N个弱分类器中选择训练错误率取值最低的分类器作为第t次迭代的弱分类器， S5、令n=1，获取第t次迭代得到的弱分类器及其对应的训练错误率，根据训练错误率计算弱分类器的分类器系数，根据分类器系数更新目标领域训练数据集的权重集，根据训练错误率计算矫正因子，根据矫正因子更新源领域训练数据集的权重集， S6、令t=t+1，返回执行S2，直到t=T，获取T个弱分类器及其对应的T个分类器系数， 步骤四、获取目标领域测试图像集并进行预处理，根据深度神经网络对预处理后目标领域测试图像集进行特征提取，获取目标领域测试图像集中每张测试图像的测试特征向量，根据T个弱分类器对每张测试图像的测试特征向量所属的类标签进行预测，根据T个弱分类器的预测结果和分类器系数确定每张测试图像的类标签，所述类标签为测试图像中所包含的物体类别。

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大连交通大学，其通讯地址为：116000 辽宁省大连市沙河口区黄河路794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。