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！

龙图腾网获悉江苏科技大学申请的专利一种具有循环性质的特征插值的不平衡数据图像生成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：CN116310635B 。

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：202310160884.6，技术领域涉及：G06V10/774；该发明授权一种具有循环性质的特征插值的不平衡数据图像生成方法是由邵长斌;吴仕祺;苏贞;李文杰;于化龙设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。

本一种具有循环性质的特征插值的不平衡数据图像生成方法在说明书摘要公布了：本发明公开了一种具有循环性质的特征插值的不平衡数据图像生成方法，包括：数据集预处理，用于人工生成不平衡数据集；搭建自编码器神经网络，编码器阶段使用卷积对图像进行特征提取并降维，解码器阶段使用反卷积对图像进行特征还原；利用特征的线性插值构造新的样本，并通过解码器进行图像生成，为了保证新样本的语义属性，服用编码器来构成特征级别的循环，并约束其循环一致性；同时采用了跨域距离一致性确保特征之间的相互对应关系与图像之间的一致。本发明缓解了现有生成模型陷入局部最优，生成样本多样性不足，视觉保真度差的问题，并且其生成的样本有助于分类模型获得更高的性能。

本发明授权一种具有循环性质的特征插值的不平衡数据图像生成方法在权利要求书中公布了：1.一种具有循环性质的特征插值的不平衡数据图像生成方法，其特征在于，包括以下步骤： 1对预先获取的平衡数据集进行人工不平衡处理，选择部分类别作为少数类别，并划分为训练集和测试集； 2搭建基于特征插值的图像生成网络模型，以全卷积的自编码器网络为骨干网络，复用编码器结构形成特征级别的循环； 3确定图像生成网络模型的损失函数，并在训练集上对图像生成网络模型进行训练； 4利用训练好的图像生成网络模型对训练集的少数类别进行过采样平衡数据集； 5使用统一基准分类器验证提出的图像生成方法对不平衡数据集的改善； 步骤3所述图像生成网络模型的损失函数为： 通过均方误差损失和KL散度损失进行优化，其中均方误差损失衡量了两个样本的差异度，而KL散度损失衡量两个分布之间的差异度，总损失一共由三个损失组成： 损失为自编码器结构的基础重构损失，用来训练基础自编码器模块对图像数据的重构能力，目的是学习最基本的降维映射函数与图像生成映射函数，损失如下式： 其中，xn为原始样本，E为编码器模块，D为解码器模块，该损失衡量了原始图像与其恢复版本的像素距离； 损失为特征插值编码的循环一致损失，用来衡量插值特征的恢复效果，深化特征空间与原始图像空间的对应关系，区分不同特征的生成效果： 其中，为人工构造的插值样本，E与D分别为编码器模块和解码器模块，该损失衡量了插值特征与其恢复版本的欧式距离； 损失为跨空间一致性损失，用来进一步加强特征空间与原始空间之间的相关性，缓解模式崩溃现象，损失如下式： 其中，Gf为按序排列好的特征级别的样本关系，而Gx为按序排列好的图像级别的样本关系，sim·表示相似度计算，通常为cosine相似度来衡量样本间的相似关系；最后使用KL散度计算两组标准化图关系的相关性；总损失表示为下式： 其中，λ为跨空间一致性损失权重。

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江苏科技大学，其通讯地址为：212008 江苏省镇江市京口区梦溪路2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。