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！

龙图腾网获悉华南理工大学申请的专利基于宽度学习和随机敏感度的领域自适应图像分类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：CN116452854B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202310274623.7，技术领域涉及：G06V10/764；该发明授权基于宽度学习和随机敏感度的领域自适应图像分类方法是由吴永贤;安一飞;钟灿琨;张建军设计研发完成，并于2023-03-20向国家知识产权局提交的专利申请。

本基于宽度学习和随机敏感度的领域自适应图像分类方法在说明书摘要公布了：本发明公开了一种基于宽度学习和随机敏感度的领域自适应图像分类方法，包括：1构建宽模型输入信息；2构建宽度网络模型；3将边缘分布对齐损失引入到模型中；4将更细粒度的常规条件分布对齐损失引入到模型中；5迭代挑选出具有高质量的伪标签，构建增强的条件分布对齐损失并引入到模型中；6将流行正则化引入到模型中，探索样本的潜在分布信息；7将随机敏感度引入到模型中，解决模型在源域样本上过拟合的问题；8求解出模型连接权值，并求出分类结果。本发明使得模型能够在具有不同分布的目标域上取得更好的效果。本发明一定程度解决了深度领域自适应方法消耗大量计算资源的问题，进一步可以实现更加灵活和精确的下游应用。

本发明授权基于宽度学习和随机敏感度的领域自适应图像分类方法在权利要求书中公布了：1.基于宽度学习和随机敏感度的领域自适应图像分类方法，其特征在于，包括以下步骤： 1使用源域样本、源域样本标签、目标域样本完成输入数据的构造； 2完成宽度网络模型的特征映射层、增强层和输出层的构建； 3将边缘分布对齐损失引入到宽度网络模型中，缓解因源域样本和目标域样本边缘分布不同导致的模型泛化能力的下降； 4使用SVM分类器获得目标域样本伪标签，将更细粒度的类别间对齐，即常规条件分布对齐损失引入到已引入了边缘分布对齐损失的宽度网络模型中，再次提升其在目标域上的表现； 5考虑到通过SVM获得的伪标签不具备高质量，会使得条件分布对其效果下降，因此通过迭代挑选出具有高质量的伪标签，用于构建增强的条件分布对齐损失并引入到已引入了常规条件分布对齐损失的宽度网络模型中，缓解因伪标签质量问题导致的负迁移情况； 6在完成分布对齐后，为探索样本的潜在分布信息，平滑分类边界，将流行正则化损失引入到已引入了增强的条件分布对齐损失的宽度网络模型中，使得宽度网络模型更好地学习样本的分布情况，提升其精度； 7从步骤2到步骤6均为从样本分布的视角提升宽度网络模型的性能，而过拟合角度看，为解决因目标域真实标签不可用所导致的宽度网络模型在源域样本上过拟合的问题，将随机敏感度引入到已引入了流形正则化损失的宽度网络模型中，提升其泛化能力； 8根据步骤2到步骤7中的各项损失使用岭回归算法求解出宽度网络模型连接权值，并求出分类结果。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。