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！

龙图腾网获悉中国电子口岸数据中心成都分中心;西南交通大学;成都海关技术中心申请的专利一种基于对比学习的自监督深度表征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：CN115759189B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202211399532.8，技术领域涉及：G06N3/045；该发明授权一种基于对比学习的自监督深度表征方法是由余华;王鑫磊;胡江涛;周图南;刘苏锐;游泽青;储节磊设计研发完成，并于2022-11-09向国家知识产权局提交的专利申请。

本一种基于对比学习的自监督深度表征方法在说明书摘要公布了：本发明公开了一种基于对比学习的自监督深度表征方法，包括以下步骤：S1：获取待训练的数据集V；S2：一次批处理训练N条数据，对每一条数据v进行数据增强；S3：将数据v与增强后的数据vs传进受限玻尔兹曼机进行正向传播，获得其在隐藏层对应的数据h与数据hs；S4：进行对比学习，提高正样本之间的相似度；S5：进行反向传播，获得数据v在可视层的重构数据v'；S6：最小化所述数据v'与所述数据v的距离；S7：重复步骤S2‑S6，直至重构损失函数收敛，实现受限玻尔兹曼机的训练；S8：利用S7训练好的受限玻尔兹曼机对数据集V进行深度表征学习，获得其深度特征表示。本发明能够克服传统受限玻尔兹曼机无目的学习的缺点，从而提高模型的表征能力。

本发明授权一种基于对比学习的自监督深度表征方法在权利要求书中公布了：1.一种基于对比学习的自监督深度表征方法，其特征在于，用于学习图片特征，包括以下步骤： S1：获取待训练的数据集V；所述数据集V={v1,v2,…vn}表示n个p维向量组成的数据集，v是一个p维向量表示原始数据； S2：一次批处理训练N条数据，对每一条数据v进行数据增强，获得增强后的数据vs；保留数据v与增强后的数据vs，使得数据量由N条变为2N条，获得数据集V'；所述数据v=[v1,v2,…,vp]，所述增强后的数据vs=[vs1,vs2,…,vsp]，v与vs互为正样本，v与其余2N-2条数据互为负样本；所述数据集V'={v1,…,vn,vs1,…,vsn}； S3：将所述数据集V'中的每对互为正样本的数据v与增强后的数据vs传进受限玻尔兹曼机进行正向传播，获得其在隐藏层对应的数据h与数据hs，获得所述数据集V'在隐藏层的特征H；所述数据h=[h1,h2,…,hq]，所述增强后的数据hs=[hs1,hs2,…,hsq]；所述特征H={h1,…,hn,hs1,…,hsn}； S4：对特征H进行对比学习，减小正样本之间的距离，增大正负样本之间的距离； S5：对所述数据h进行反向传播，获得所述数据v在可视层的重构数据v'；所述重构数据v'=[v'1,v'2,…,v'p]； S6：将极大似然函数作为重构损失，最小化所述数据v'与所述数据v的距离； S7：重复步骤S2-S6，直至受限玻尔兹曼机的重构损失函数收敛，实现受限玻尔兹曼机的训练； S8：利用S7训练好的受限玻尔兹曼机对所述数据集V进行深度表征学习，获得所述数据集V的深度特征表示。

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中国电子口岸数据中心成都分中心;西南交通大学;成都海关技术中心，其通讯地址为：610000 四川省成都市天顺中街66号1609室；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。