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！

龙图腾网恭喜大理大学申请的专利面向机器学习的视觉群智感知数据贡献度评价方法及系统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：CN112990268B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202110175365.8，技术领域涉及：G06V10/774；该发明授权面向机器学习的视觉群智感知数据贡献度评价方法及系统是由羊海潮;袁皓煜;郑超;吴晓阳设计研发完成，并于2021-02-09向国家知识产权局提交的专利申请。

本面向机器学习的视觉群智感知数据贡献度评价方法及系统在说明书摘要公布了：本发明公开面向机器学习的视觉群智感知数据贡献度评价方法，包括如下步骤：获取视觉群智感知任务，并根据视觉群智感知任务建立任务模型；获取图像数据，并根据图像数据建立图像模型；基于任务模型和图像模型对输入的待检测图像集进行图像分类与识别；基于分类与识别的结果对待检测图像集进行评估，计算数据集质量总评分；根据数据集质量总评分进行数据贡献度评价，获得待检测图像集的贡献度评分。本发明能够合理的对感知数据的视觉质量以及用户贡献度进行评价，并且能够在保障数据质量的基础上激励用户贡献更多的图片，以满足机器学习场景对图片的质量与数量要求。

本发明授权面向机器学习的视觉群智感知数据贡献度评价方法及系统在权利要求书中公布了：1.面向机器学习的视觉群智感知数据贡献度评价方法，其特征在于，包括如下步骤： 发布视觉群智感知任务，并根据视觉群智感知任务建立任务模型； 任务参与者提交图像数据，并根据图像数据建立图像模型； 基于任务模型和图像模型将任务参与者提交的图像集数据通过图像分类模型自动识别图像特征，所述图像特征至少包括图像语义相似度、清晰度、重复度； 基于图像分类模型识别的图像特征，对图像集数据进行评估，计算图像数据集质量总评分，具体包括如下步骤： a、计算待检测图像集中第i个图像的语义相似度SIi： 取出图像语义识别器的多标签语义分类结果，计算任务语义约束 vc_semantic的m个标签序列与图像的n个分类标签之间的语义距离，结果为一个m*n的二维向量，从每个标签序列中取出其中的最大值*权重作为该标签的语义相似度，用于定义图像内容的一组标签及权值集合，计算公式如下所示： wherer＝1,2,...R 式中，为标签与uj的语义距离计算函数，wi为任务语义约束中定义的语义标签权重，cj为通过图像分类器自动分类出标签uj的置信度系数，cj计算公式如公式3所示： 式中，qj为经过图像语义识别器自动分类出标签uj的置信度，θ为语义距离阈值； b、计算待检测图像集中第i个图像清晰度得分BIi： 图像Ii经图像清晰度分类器自动识别后，输出结果为图像Ii的清晰度类别Lj及其置信度εj，按照公式4计算清晰度分类Lj的分值，公式如下所示： 式中，H、M、L为图像清晰度分类器将图像清晰度分为高、中、低三种类别； 然后，采用公式5计算图像清晰度分数，公式如下所示： 式中，gLj为分类标签对应的分值，εj为分类器输出清晰度分类Lj的置信度；c、计算待检测图像集中第i张图像重复度得分DIi： 计算待检测图像集I中第i张图像的重复度得分，计算公式如下所示： 式中，N为图像集I的图像数量，Dupi，j为两个图像重复度分值，计算公式如下所示： 式中，simIi，Ij为采用重复图像检测器输出的最佳特征点比例，其值越大则两图像间越相似，相应的重复度分值越低，E为图像相似度阈值，当simIi，Ij小于E时则认为两为Ii与Ij不存在重复关系，重复度分值则为1；d、计算待检测图像集的质量总评分Qk，公式如下所示： 式中，ε、δ、分别为语义相似度、清晰度、重复度的权重，且0≦Qk≦N； 根据图像集质量总评分进行数据贡献度评价，获得待检测图像集的贡献度评分，公式如下所示： 式中，g为增益参数，Z为任务要求的图片数量最小值约束。

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大理大学，其通讯地址为：671000 云南省大理白族自治州大理市夫理古城弘圣路2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”。