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！

龙图腾网恭喜浙江理工大学申请的专利一种基于多类昆虫图像高效训练数据集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：CN119152318B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202411632057.3，技术领域涉及：G06V10/774；该发明授权一种基于多类昆虫图像高效训练数据集标注方法是由尤彦辰;冯泽霖;吕军;姚青设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本一种基于多类昆虫图像高效训练数据集标注方法在说明书摘要公布了：本发明公开了一种基于多类昆虫图像训练数据集高效标注方法，涉及图像处理技术领域，其技术方案要点是：包括以下步骤：S0：预处理多类昆虫图像数据集；S1:构建通用的昆虫检测器GInsectD；S2:裁剪生成具有唯一索引的昆虫目标小图；S3:使用自监督学习方法DEIP学习到良好的特征表示；S4:使用层次聚类算法分类目标小图；S5:将分类好的目标小图回溯到原图形成最终的目标检测数据集。本发明通过对开放词汇目标检测器进行了修改与微调，使其能够很好的检测各种多类昆虫图像，展现出强大的泛化性能，能够作为通用的昆虫检测器去定位出多类昆虫图像上面的所有昆虫，通过借助通用的昆虫检测器与自监督表征学习，极大摆脱对人工资源的需求量，也提高了数据集的标记效率。

本发明授权一种基于多类昆虫图像高效训练数据集标注方法在权利要求书中公布了：1.一种基于多类昆虫图像训练数据集高效标注方法，其特征在于：包括以下步骤：S0：预处理多类昆虫图像数据集，包括数据过滤与合并，以及伪标签生成与背景自动去除；S1:构建通用的昆虫检测器GInsectD，定位所有昆虫目标；S2:裁剪生成具有唯一索引的昆虫目标小图；S3:使用自监督学习方法DEIP学习到良好的特征表示；S4:使用层次聚类算法分类目标小图；S5:将分类好的目标小图回溯到原图形成最终的目标检测数据集；所述步骤S3中，使用自监督学习方法DEIP学习到良好的特征表示包括以下子步骤：S31：输入图像经过不同的数据增强得到全局裁剪视图和局部裁剪视图；S32：通过比较不同视图的特征计算交叉熵损失；S33：反向传播中仅更新apprentice网络的参数来最小化损失函数；所述步骤S3中，使用自监督学习方法DEIP学习到良好的特征表示还包括使用multicrop技术，以及通过比较不同视图的特征计算交叉熵损失，其中交叉熵损失的计算涉及对classificationtoken和patchtokens的相似度比较，交叉熵损失的计算公式所示： ；其中，通过apprentice网络获取的classificationtoken经过投影转换成k维向量，应用softmax获得概率值Pa，同样master网络特征投影后应用softmax，然后使用移动平均进行中心化操作，以获得Pm。

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浙江理工大学，其通讯地址为：310000 浙江省杭州市经济技术开发区白杨街道2号大街928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”。