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！

龙图腾网恭喜天津大学申请的专利一种基于关系对比的无监督表示学习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：CN115147923B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202210748412.8，技术领域涉及：G06V40/20；该发明授权一种基于关系对比的无监督表示学习方法是由侯永宏;王辉;胡亚楠设计研发完成，并于2022-06-29向国家知识产权局提交的专利申请。

本一种基于关系对比的无监督表示学习方法在说明书摘要公布了：本发明公开了一种基于关系对比的无监督学习方法。具体地，本发明通过对比实例间的相似性来构造损失函数，指导神经网络的训练，使得神经网络模型能够从未标注的训练数据中提取其最本质的特征，能够在视频图像分类、目标识别等下游任务上取得更好的效果。本发明利用样本间相似性对比而不是正负样本实例对比，避免了正负样本选择不恰当而导致的性能瓶颈。

本发明授权一种基于关系对比的无监督表示学习方法在权利要求书中公布了：1.一种基于关系对比的无监督表示学习方法，其特征在于：包括如下步骤：1从可用图像数据集提取原始数据s，对其进行增强，得到两个不同的增强版本x和x′；2构建一对结构完全相同的特征编码器，称为学生网络fs和教师网络ft，并用编码器对增强后的实例x和x′进行特征提取得到嵌入特征h和h′；3构建一对结构相同的非线性映射层g和g′，用于将x和x′映射到高维特征空间得到高维表示z和z′，之后学生网络添加一个与非线性映射层结构相同的预测网络p以生成预测表示pz，在教师网络中则使用停止梯度操作；4构建实例队列Q＝[a0,a1,a2,……,aN-1]保存之前批次其它实例样本的表示，并计算与当前实例间的相似度，通过计算pz，z′和ai之间的相似度得到相似度集合和并对做归一化处理，得到 按照先进先出的原则将z′押入队列Q，这里N表示队列长度，ai表示队列中实例的特征嵌入表示；5计算损失函数 对损失函数求导，利用梯度下降法更新学生网络的参数，然后从图像数据集中随机抽取新的数据样本重复上述操作直到损失函数的值不再降低，每隔M个操作，将学生网络的参数赋给教师网络；6从图像数据集中随机抽取新的数据样本，重复得到Ps和Pt，将Pt中取值最高的K个样本的值置为1，然后按照步骤5计算损失函数，按照步骤6更新学生网络和教师网络的参数，直到损失函数的值不再降低，得到的特征编码器作为成果输出。

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天津大学，其通讯地址为：300071 天津市南开区卫津路92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”。