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！

龙图腾网恭喜温州大学申请的专利一种基于分组平衡和多样性增强的长尾分布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：CN113850311B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202111095393.5，技术领域涉及：G06V10/764；该发明授权一种基于分组平衡和多样性增强的长尾分布图像识别方法是由陈钊民;张笑钦;邓若曦设计研发完成，并于2021-09-17向国家知识产权局提交的专利申请。

本一种基于分组平衡和多样性增强的长尾分布图像识别方法在说明书摘要公布了：本发明提供了一种基于分组平衡和多样性增强的长尾分布图像识别方法，该方法包括利用各个类别在图像识别数据集中的频率进行分组，并均匀采样以获取输入图片；通过多样性增强模块来有效利用头部类别的信息来增强尾部类别的特征多样性，以减轻过拟合尾部类别的现象；将分类置信度与真实标注输入分组平衡损失模块对梯度进行平衡及更新多标签图像识别模型；而分组平衡损失能忽略其他组的所有正向类别梯度，仅更新当前被采样组的类别，以此平衡各个类别之间的梯度，从而提高多标签图像识别的性能，本发明能在网络训练过程中有效的平衡各个类别的梯度，并且增强尾部类别的特征多样性，从而提高基于长尾分布的多标签图像识别任务的性能。

本发明授权一种基于分组平衡和多样性增强的长尾分布图像识别方法在权利要求书中公布了：1.一种基于分组平衡和多样性增强的长尾分布图像识别方法，其特征在于，包括以下步骤：步骤Step1：获取图像识别数据集，所述图像识别数据集服从长尾分布，对所述图像识别数据集中的图像类别进行统计、分组；步骤Step2：基于分组结果对每组中的待识别图像进行均匀采样，得到输入图像，将所述输入图像输入卷积神经网络进行特征提取，获得全局特征信息；步骤Step3：构建基于长尾分布的多标签图像识别模型，将提取的特征输入所述基于长尾分布的多标签图像识别模型进行信息处理，得到分类置信度；步骤Step4：将所述分类置信度和真实标注输入所述基于长尾分布的多标签图像识别模型中，利用分组平衡损失函数对梯度进行平衡，更新所述基于长尾分布的多标签图像识别模型，得到训练好的基于长尾分布的多标签图像识别模型；步骤Step5：利用训练好的基于长尾分布的多标签图像识别模型对对长尾分布图像数据进行识别，并输出识别结果；所述基于长尾分布的多标签图像识别模型包括多样性增强模块和分组平衡损失模块，将所述卷积神经网络提取的全局特征信息经过处理后输入所述多样性增强模块获取分类的置信度，利用头部类别的信息来增强尾部类别的特征多样性，减轻尾部类别的过拟合；所述多样性增强模块由一个融合矩阵和若干个全连接层组成，将所述卷积神经网络提取的全局特征信息X通过特征解耦卷积层进行解耦后，获得每个类别各自对应的特征Xcaf，，其中，表示特征解耦卷积层，然后通过所述融合矩阵M将各个类别的特征进行融合，使得尾部类别特征可吸收头部类别特征的信息，最后采用全连接层把融合后的特征映射成分类置信度，，其中，表示全连接层，表示把特征矩阵拉平成特征向量；所述分组平衡损失模块采用的分组平衡损失函数如下：，其中，C表示类别数量，表示预测的分类置信度，表示类别标注，表示sigmoid函数，为分组权重。

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温州大学，其通讯地址为：325035 浙江省温州市瓯海区东方南路38号温州市国家大学科技园孵化器；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”。