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！

龙图腾网获悉浙江大学申请的专利一种面向图像识别域适应的无监督评估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：CN116883744B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202310857344.3，技术领域涉及：G06V10/764；该发明授权一种面向图像识别域适应的无监督评估方法是由陈铭浩;蔡登设计研发完成，并于2023-07-13向国家知识产权局提交的专利申请。

本一种面向图像识别域适应的无监督评估方法在说明书摘要公布了：本发明公开了一种面向图像识别域适应的无监督评估方法，包括：1使用源域和目标域的训练集学习得到若干分类模型；2使用源域经过分类模型M得到模型预测，并与源域验证集标签对比，得到源域的准确率AS；3源域数据经过分类模型M时保留中间特征，并使用中间特征和对应标签训练分类器h；4目标域的验证集进行数据增强，增强前后数据都经过分类模型M得到对应中间特征，再经过分类器h得到对应的预测，得到增强一致性AC；5将AS和AC结合，并加入分类器h的多样性项，得到估指标ACM，评估分类模型M的迁移效果。本发明能够无监督地评估模型的迁移效果，从而选择出图像识别效果最好的超参数和模型，从而提高图像分类的效果。

本发明授权一种面向图像识别域适应的无监督评估方法在权利要求书中公布了：1.一种面向图像识别域适应的无监督评估方法，其特征在于，包括以下步骤： 1根据现有的无监督域适应算法使用源域和目标域的图像训练集进行学习得到若干个分类模型，每个分类模型M将在后续步骤中被评估； 2使用源域的图像验证集经过分类模型M得到模型的预测，并与源域验证集的标签对比，得到源域的准确率AS； 3源域数据经过分类模型M时保留中间特征，并且使用中间特征和对应的标签，训练一个多层全连接分类器h； 4目标域的图像验证集经过数据增强得到数据增强后的图像数据，将这数据增强前后的两种数据都经过分类模型M得到对应中间特征，再经过步骤3的分类器h得到对应的预测，比对这两种预测得到增强一致性AC；得到增强一致性AC的公式为： 其中，qt，qt′分别表示数据和经过模型M的特征提取器g和分类器h后的预测向量；就表示qt的分量中最大的那个分量的位置；表示qt′的分量中最大的那个分量的位置；I[·]表示指示函数，如果括号中为真，那就值为1，否则值为0； 5将源域的准确率As和增强一致性AC结合起来，并加入分类器h的多样性项，得到最后的评估指标ACM，其评估了分类模型M的迁移效果；计算评估指标ACM的公式为： 其中，熵函数Hq＝∑kqklogqk，qt表示数据经过模型M的特征提取器g和分类器h后的预测向量，K就是类别的总数； 6根据每个模型对应的评估指标ACM，选出若干个分类模型中迁移效果最好的模型，并利用该分类模型进行图像分类。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。