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！

龙图腾网获悉东南大学申请的专利一种基于自步学习的开放集图像分类领域自适应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：CN116433981B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202310427403.3，技术领域涉及：G06V10/764；该发明授权一种基于自步学习的开放集图像分类领域自适应方法是由周毅;刘星宏设计研发完成，并于2023-04-20向国家知识产权局提交的专利申请。

本一种基于自步学习的开放集图像分类领域自适应方法在说明书摘要公布了：本发明公开了一种基于自步学习的开放集图像分类领域自适应方法，首先对原始图像进行预处理，获得图像集合，然后构建和训练特征提取模块和双重多类分类器模块用于对齐源域图像和目标域图像的共享类别特征且分离目标域私有类别特征，再构建和训练多准则跨域混合模块，利用源域图像和目标域图像生成跨域混合图像并自步学习所述共享类别特征，最后输出目标域图像的分类结果。本发明相较于已有开放集图像分类领域自适应方法，覆盖了平滑和非平滑类分布，且无需在推理阶段中对于区分共有类图像和私有类图像的阈值进行经验性调参，从而使得模型在不同超参数及实验设定下拥有良好的鲁棒性。

本发明授权一种基于自步学习的开放集图像分类领域自适应方法在权利要求书中公布了：1.一种基于自步学习的开放集图像分类领域自适应方法，其特征在于，包括如下步骤： S1，图像集合获取：对原始图像进行预处理，获得图像集合，所述图像集合中包括有人工标注标签的源域图像集合和无人工标注标签的目标域图像集合； S2，构建和训练特征提取模块和双重多类分类器模块：所述特征提取模块由特征提取器组成，所述双重多类分类器模块由对抗性分类器和辅助分类器组成，特征提取器，对抗性分类器和辅助分类器用于对齐源域图像和目标域图像的共享类别特征且分离目标域私有类别特征；其中，对齐源域图像和目标域图像的共享类别特征且分离目标域私有类别特征的方法具体为： 对抗性分类器和辅助分类器联合计算给定图像属于共有类的概率 ； 其中，表示对于概率向量的前项元素求和，表示对于概率向量的项元素求和； 利用和对齐共享类别特征并分离目标域私有类别特征，损失函数为： ； 其中，表示对于所述目标域图像输出的概率向量的第项元素； 特征提取器，对抗性分类器和辅助分类器的优化目标分别为： ； ； ； 其中，对抗性分类器在源域图像上的分类损失；辅助分类器在源域图像上的分类损失；表示辅助分类器在源域图像和目标域图像上的域分类损失； S3，构建和训练多准则跨域混合模块：所述多准则跨域混合模块由个分类器组成，利用步骤S1获得的源域图像和目标域图像生成跨域混合图像并自步学习共享类别特征； S4，结果输出：将目标域图像作为输入，利用步骤S2和步骤S3训练好的特征提取模块、对抗性分类器和多准则跨域混合模块输出目标域图像的分类结果。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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。