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！

龙图腾网恭喜哈尔滨工业大学(深圳)申请的专利基于密度峰值聚类算法的图像类别自动标注方法及装置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：CN115147632B 。

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：202210800775.1，技术领域涉及：G06V10/762；该发明授权基于密度峰值聚类算法的图像类别自动标注方法及装置是由苗振国;张瑞霖;王鸿鹏设计研发完成，并于2022-07-08向国家知识产权局提交的专利申请。

本基于密度峰值聚类算法的图像类别自动标注方法及装置在说明书摘要公布了：本发明公开一种基于密度峰值聚类算法的图像类别自动标注方法及装置，包括卷积自编码器模型训练和卷积编码器‑聚类联合训练，将待标注的图像数据集输入到模型训练卷积自编码器模块，然后取出训练好的卷积编码器模块，将图像数据降维到低维特征向量空间；将低维特征向量输入到卷积编码器‑聚类联合训练模块，在特征向量空间使用密度峰值聚类方法选择候选聚类中心并找到高置信度数据集合，将高置信度数据集合类别作为真实标签训练卷积编码器模块，得到可信度高的聚类结果，最后用特征向量类别对输入的无标签图像数据进行类别标注。本发明可对无标签图像数据实现自动类别标注，解决了当前人工标注类别耗时长、成本高、准确率低、效率差的问题。

本发明授权基于密度峰值聚类算法的图像类别自动标注方法及装置在权利要求书中公布了：1.一种基于密度峰值聚类算法的图像类别自动标注方法，其特征在于，所述方法包括：获取待标注类别的无标签图像数据集；将无标签图像数据集输入到卷积自编码器模型进行训练，具体过程包括：利用卷积自编码器模型中的卷积编码器模块将输入的无标签图像数据降维压缩到低维特征向量，然后由卷积解码器模块将低维特征向量进行图像恢复得到重构图像数据，计算输入无标签图像数据与重构图像数据之间的重构损失，当重构损失小于给定阈值即确定卷积自编码器模型训练截止；保留训练好的卷积自编码器模型中的卷积编码器模块，利用卷积编码器模块获取无标签图像数据集的低维特征向量集合；将低维特征向量集合输入到卷积编码器-聚类联合训练模块进行联合训练，具体过程包括：利用密度峰值聚类方法计算低维特征向量集合中特征向量点的局部密度和距高密度点距离，并将特征向量点的局部密度和距高密度点距离相乘得到特征向量的伽马值；对低维特征向量集合中所有特征向量的伽马值进行降序排序，将前m个特征向量点选为候选聚类中心，得到候选聚类中心集合；计算剩余特征向量点到每个候选聚类中心的距离，得到m维距离向量；将m维距离向量中每个分量取倒数并归一化得到的m维类别分配置信度向量，取m维类别分配置信度向量中值最大的分量所在列作为特征向量点的真实类别标签，得到类别分配置信度向量的聚类结果，将真实类别标签作为有标签训练卷积编码器模块；用训练过的卷积编码器模块更新剩余特征向量点的置信度向量矩阵直到前后两轮聚类结果的KL散度值小于给定阈值，训练结束；将训练结束后得到的聚类结果作为最终的聚类结果，用最终的聚类结果标注输入的无标签图像，得到最终的标注图像数据集。

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哈尔滨工业大学(深圳)，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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”。