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！

龙图腾网获悉上海大学申请的专利一种不均衡目标分类方法、产品、介质及设备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：CN119006893B 。

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：202411002901.4，技术领域涉及：G06V10/764；该发明授权一种不均衡目标分类方法、产品、介质及设备是由谢少荣;王欣芝;骆祥峰;廖章泽;杨文斌;苏慧哲设计研发完成，并于2024-07-24向国家知识产权局提交的专利申请。

本一种不均衡目标分类方法、产品、介质及设备在说明书摘要公布了：本发明公开一种不均衡目标分类方法、产品、介质及设备，涉及图像分类的类别不均衡学习领域，通过现实域数据与虚拟域数据的混合学习，即通过虚实数据混合训练，解决了现实域数据中类别不均衡导致的分类效果差的问题，提升了现实域中尾部类的分类准确率，从而提升了现实域数据中目标分类性能，同时，本发明在网络中通过隐层特征增强，解决了域偏移问题，并提升了现实域中目标分类精度，最终达到了大幅提升现实域海上目标分类准确率的效果。

本发明授权一种不均衡目标分类方法、产品、介质及设备在权利要求书中公布了：1.一种不均衡目标分类方法，其特征在于，包括： 步骤S1：获取虚拟域训练数据集以及与所述虚拟域训练数据集对应的现实域训练数据集；所述虚拟域训练数据集和所述现实域训练数据集均包括不同类别的海上目标图像样本集；每一类别的海上目标图像样本集均包括多个海上目标图像样本； 步骤S2：获取现实域的批次训练样本和虚拟域的批次训练样本；所述现实域的批次训练样本是从所述现实域训练数据集中采样一个批次的海上目标图像样本得到的；所述虚拟域的批次训练样本是从所述虚拟域训练数据集中采样一个批次的海上目标图像样本得到的； 步骤S3：利用所述现实域的批次训练样本和所述虚拟域的批次训练样本，经过分类模型的特征提取主干网络部分，分别得到现实域隐层特征与虚拟域隐层特征； 步骤S4：基于所述现实域隐层特征计算当前训练时刻现实域各类隐层特征均值和协方差，并更新现实域各类隐层特征均值和协方差；基于所述虚拟域隐层特征计算当前训练时刻虚拟域各类隐层特征均值，并更新虚拟域各类隐层特征均值； 步骤S5：利用所述现实域训练数据集中的所有海上目标图像样本计算现实域的类混淆矩阵，基于所述类混淆矩阵计算现实域各类隐层特征修正均值和修正协方差；现实域各类隐层特征修正均值和修正协方差分别用于修正现实域各类隐层特征均值和协方差； 步骤S6：基于现实域各类隐层特征修正均值和修正协方差，对所述现实域的批次训练样本中来自尾部类样本的特征进行隐层特征增强，生成增广特征，利用所述增广特征和所述现实域隐层特征得到均衡后的现实域隐层特征； 步骤S7：基于均衡后的现实域隐层特征更新现实域各类隐层特征均值，得到更新后的现实域各类隐层特征均值； 步骤S8：基于所述虚拟域隐层特征、均衡后的现实域隐层特征、虚拟域各类隐层特征均值和更新后的现实域各类隐层特征均值计算域自适应训练损失，在所述域自适应训练损失的基础上添加监督学习损失，得到训练总损失，利用所述训练总损失对训练过程中的分类模型进行优化，得到优化后的分类模型； 步骤S9：判断所述训练总损失是否降低到设定阈值； 若否，则返回步骤S2； 若是，则执行步骤S10：将待分类海上目标图像输入所述优化后的分类模型，利用所述优化后的分类模型输出所述待分类海上目标图像对应的类别；所述待分类海上目标图像为现实场景中获取的真实的海上目标图像。

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上海大学，其通讯地址为：200444 上海市宝山区上大路99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。