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！

龙图腾网获悉重庆大学申请的专利一种弱监督多标签分布外样本分类检测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：CN116452876B 。

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：202310421865.4，技术领域涉及：G06V10/764；该发明授权一种弱监督多标签分布外样本分类检测方法是由黄晟;王磊;严杰轩;朱翔;徐玲;葛永新;洪明坚;杨梦宁;张小洪设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本一种弱监督多标签分布外样本分类检测方法在说明书摘要公布了：本发明涉及一种弱监督多标签分布外样本分类检测方法，在训练阶段，首先假设所有未知标签为负标签，引入噪声标签，然后对图像进行混合数据增强预处理，再基于噪声标签损失效应去识别噪声标签引起大损失值，并对其进行调整以进行模型训练，同时与标签稀疏性相结合，使得方法能够自适应识别不同训练阶段的噪声标签损失值；在检测阶段，赋予分布内样本与分布外样本全负标签，通过结合噪声标签效应与标签稀疏性，识别出具有噪声标签的分布内样本，从而实现分布外样本的检测。

本发明授权一种弱监督多标签分布外样本分类检测方法在权利要求书中公布了：1.一种弱监督多标签分布外样本分类检测方法，其特征在于，包括如下步骤： S1:原始图像标签预处理，对于多标签图像xi，其原始标签中有且仅有一项将其所有未知标注信息均设为负标签，xi原始弱监督信息经负标签假设预处理后，xi标签变为 其中，表示正标签构成的标签空间，代表未知标签构成的标签空间； S2:对CNN模型进行训练： 经过S1标签预处理后的图像和其标签构成未增强图像对所有未增强图像进行混合数据增强预处理生成增强图像然后将增强图像和其对应的未增强图像的标签作为训练样本所有训练样本构成训练集； 将训练集中样本分批次输出CNN中进行训练，当损失函数的值不再下降时训练结束，得到训练好的模型； S3:采用训练好的模型对目标图像进行检测 将目标图像输入训练好的模型，训练好的模型对其进行分类预测并给出预测结果yi，然后利用预测结果yi与人工赋予的全负标签计算多标签分类损失： 其中，L为标签空间中类别的数量，表示人工赋予的全负标签，其值全为0； 基于式1.2计算得到全负标签损失值以后，通过识别噪声标签引起的过大损失值，计算得到分布外样本检测得分： 其中λi＝αi表示损失惩罚项，δ为损失阈值； 若scoreλ，则目标图像为分布外样本，否则为分布内样本，αi表示损失惩罚项。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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。