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！

龙图腾网获悉东北大学申请的专利一种能够处理新标记和缺失标记的图像标注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：CN116403214B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310395061.1，技术领域涉及：G06V20/70；该发明授权一种能够处理新标记和缺失标记的图像标注方法是由赵宇海;黄苗苗;田鑫;王业江;印莹设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本一种能够处理新标记和缺失标记的图像标注方法在说明书摘要公布了：本发明提供一种能够处理新标记和缺失标记的图像标注方法，涉及图像分类技术领域。本发明通过对真实的原始图像数据集进行处理，获得多图数据集，将多图包中的每个图从图空间映射到高维特征空间，得到每个图的基于图核的图表示；利用权重矩阵对类别标记进行语义描述，对图与标记之间的关系进行建模；构造最小化目标函数以对图的新标记和缺失标记进行学习，通过加速近端梯度法和近端梯度法对最小化目标函数进行优化更新，得到更新后的权重矩阵，进而构建能够同时对新标记和缺失标记进行建模的分类器，给定测试集中的一个测试包，根据权重矩阵构建图级分类器，对测试包中的图进行标记预测，实现对未知多图包的标记预测，完成图像数据的标注。

本发明授权一种能够处理新标记和缺失标记的图像标注方法在权利要求书中公布了：1.一种能够处理新标记和缺失标记的图像标注方法，其特征在于，包括以下步骤： 步骤1：获取真实的原始图像数据集，并对该真实的原始图像数据集进行数据预处理，获得多图数据集，其中包括多图包结构表示和已知类别标记集合，将多图数据集分为训练集以及测试集； 步骤2：将多图包中的每个图从图空间映射到高维特征空间，使用图核方法计算在训练集中的每个图与多图包中所有的图之间的相似性，从而得到关于每个图的基于图核的图表示； 步骤3：基于所有图的图表示，利用权重矩阵对类别标记进行语义描述，对图与标记之间的关系进行建模； 步骤4：构造两视角正则化项、投影相似性正则化项和包相关正则化项以对图标记的置信度矩阵进行学习； 所述步骤4具体包括以下步骤： 步骤4.1：为了学习图标记的置信度矩阵，构造两视角正则化项，从图相关和标记相关的角度制造两个假设；从图相关角度，假设在图空间中相互靠近的图更有可能关联相似的标记，即对图的相似性矩阵进行分解得到；从标记相关角度，多个标记之间通常是相关的，假设图的标记能够从相似的标记中推断，即对标记的相似性矩阵进行分解得到；同时从这两个角度进行假设获得一个两视角正则化项，对图标记的置信度矩阵恢复，具体公式如下： 3； 其中，是由图核方法计算得到的图的相似性矩阵，是可学习的标记的相似性矩阵，是Frobenius范数，是所有标记个数； 步骤4.2：计算已知标记的相似性，利用投影矩阵，对标记的相似性矩阵进行左乘和右乘，以返回的左上角的标记相似性，构建投影相似性正则化项，使其已知标记部分相似性与真实的标记相似性相一致，具体公式如下： 4； 其中，是投影矩阵，其左侧为单位矩阵，其他为0，是由余弦相似性计算得到的训练集关联的已知标记的相似性矩阵； 步骤4.3：构建包相关正则化项，进一步学习图标记的置信度矩阵，此时考虑包标记与图标记之间的关系：若一个包关联一个标记，则包中至少有一个图关联此标记，控制图标记的置信度矩阵和图标记的真值矩阵之间的差异，即，利用能够指示包中存在哪些图的指示矩阵和投影矩阵，分别对进行左乘和右乘，以返回包中关联每个标记的图个数的前c列，然后对其和包标记进行巧妙的变换后，设计包的标记和图的标记的关系，求包相关正则化项的公式具体公式如下： 5； 其中，是指示矩阵，表示包中图的存在性；是差异矩阵，控制图标记的置信度矩阵和图标记的真值矩阵之间的差异；是非负矩阵，表示哈达玛积； 步骤5：基于步骤4构建的三项正则化项，即公式3-5，形成一个最小化目标函数以对图的新标记和缺失标记进行学习； 步骤6：通过加速近端梯度法和近端梯度法对步骤5中的最小化目标函数进行优化更新，得到更新后的权重矩阵，进而构建能够同时对新标记和缺失标记进行建模的分类器； 步骤7：给定测试集中的一个测试包，根据步骤6学习到的权重矩阵，构建图级分类器，对测试包中的图进行标记预测，并利用包的标记与图的标记的关系，从而实现对未知多图包的标记预测，完成图像数据的标注。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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。