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！

龙图腾网获悉南京理工大学申请的专利基于伪标签的长尾图像识别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：CN116310493B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202310015330.7，技术领域涉及：G06V10/764；该发明授权基于伪标签的长尾图像识别方法是由魏秀参;沈阳;孙旭豪设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本基于伪标签的长尾图像识别方法在说明书摘要公布了：本发明公开了一种基于伪标签的长尾图像识别方法，包括：对输入图片使用两种不同的数据增强方法，获得两组样本，分别输入编码器与动量编码器，得到两组特征表示；将第一组特征表示输入分类器并根据图像真实标签计算加权的交叉熵损失；将两组特征表示分别进行不同的非线性映射以及二范数归一化；将第二组特征表示以及分类器的预测置信度存放到对应类别的特征缓存区；计算加权余弦相似度损失；对编码器和分类器进行随机梯度下降优化，对动量编码器进行动量优化。在自然物种识别任务中，本发明利用分类器生成的伪标签增广稀缺物种的样本量，并使用自监督训练学习更全面的特征表示，可提高自然场景下物种图像识别准确率。

本发明授权基于伪标签的长尾图像识别方法在权利要求书中公布了：1.一种基于伪标签的长尾图像识别方法，其特征在于，包括以下步骤： 步骤1，获取自然场景下物种图像数据样本，将分别经过两个不同数据增强的两组样本分别输入编码器和动量编码器获取特征表示s和特征表示s'； 步骤2，将特征表示s输入分类器并计算加权交叉熵损失；交叉熵损失的权重为lnNc∑jNj，其中c为输入图片类别，Nc为训练集中类别c样本量，将分类器输出加上权重后计算交叉熵损失； 步骤3，分别将特征表示s和s'输入不同的非线性映射器p1和p2并进行二范数归一化获得新的特征表示fx和fx'，计算fx和fx'之间的余弦相似度损失，并将分类器的预测结果作为fx'的伪标签，并根据伪标签将fx'和预测置信度wx一起存入特征缓存区； 步骤4，根据样本真实标签c从缓存区随机选取一个特征表示fc'，计算fx与fc'之间的加权余弦相似度损失；加权余弦相似度损失中权重为步骤3得到的预测置信度，加权余弦相似度损失为 其中β为控制损失权重的超参数； 步骤5，使用随机梯度下降法更新编码器、分类器、非线性映射器p1的参数，同时使用动量更新法更新动量编码器和非线性映射器p2的参数，完成训练并保存编码器和分类器参数；动量更新法为θk←γθk+1-γθq 其中θk为动量编码器的参数，θq为编码器参数，γ为控制动量更新速度的超参数。

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南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200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。