買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西北工業(yè)大學(xué)申請(qǐng)的專利基于最大平均差異對(duì)抗的主動(dòng)學(xué)習(xí)方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115565001B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211209410.8，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)基于最大平均差異對(duì)抗的主動(dòng)學(xué)習(xí)方法是由衛(wèi)保國;蔡明治;李旭;李立欣設(shè)計(jì)研發(fā)完成，并于2022-09-30向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于最大平均差異對(duì)抗的主動(dòng)學(xué)習(xí)方法在說明書摘要公布了：本發(fā)明公開了一種基于最大平均差異對(duì)抗的主動(dòng)學(xué)習(xí)方法，獲取未標(biāo)注圖像數(shù)據(jù)集；對(duì)于未標(biāo)注圖像數(shù)據(jù)集中每個(gè)圖像數(shù)據(jù)，采用特征提取器提取圖像數(shù)據(jù)的特征圖，并將特征圖分別送入分類器和判別器；通過分類器確定特征圖的不確定性分?jǐn)?shù)，通過判別器確定特征圖的差異性分?jǐn)?shù)；根據(jù)不確定性分?jǐn)?shù)和差異性分?jǐn)?shù)計(jì)算特征圖的查詢分?jǐn)?shù)；基于每個(gè)圖像數(shù)據(jù)的查詢分?jǐn)?shù)選擇未標(biāo)注圖像；本發(fā)明同時(shí)利用主動(dòng)學(xué)習(xí)的不確定性與差異性兩個(gè)指標(biāo)，以最小的人力成本達(dá)到機(jī)器學(xué)習(xí)模型性能的最優(yōu)，使用基于最大平均差異對(duì)抗的方法對(duì)判別器進(jìn)行對(duì)抗訓(xùn)練，使圖像具有更好的多樣性。

本發(fā)明授權(quán)基于最大平均差異對(duì)抗的主動(dòng)學(xué)習(xí)方法在權(quán)利要求書中公布了：1.一種基于最大平均差異對(duì)抗的主動(dòng)學(xué)習(xí)方法，其特征在于，包括以下步驟： 獲取未標(biāo)注圖像數(shù)據(jù)集； 對(duì)于所述未標(biāo)注圖像數(shù)據(jù)集中每個(gè)圖像數(shù)據(jù)，采用特征提取器提取所述圖像數(shù)據(jù)的特征圖，并將所述特征圖分別送入分類器和判別器； 通過所述分類器確定所述特征圖的不確定性分?jǐn)?shù)，通過所述判別器確定所述特征圖的差異性分?jǐn)?shù)； 根據(jù)所述不確定性分?jǐn)?shù)和差異性分?jǐn)?shù)計(jì)算所述特征圖的查詢分?jǐn)?shù)； 基于每個(gè)所述圖像數(shù)據(jù)的查詢分?jǐn)?shù)選擇未標(biāo)注圖像； 通過所述分類器確定所述特征圖的不確定性分?jǐn)?shù)包括： 通過所述分類器確定所述特征圖屬于每個(gè)圖像類別的概率值； 選擇最低的概率值作為所述特征圖的不確定性分?jǐn)?shù)； 根據(jù)所述不確定性分?jǐn)?shù)和差異性分?jǐn)?shù)計(jì)算所述特征圖的查詢分?jǐn)?shù)包括： 查詢分?jǐn)?shù)=α*不確定性分?jǐn)?shù)-（1-α）*差異性分?jǐn)?shù)， 其中，α為分?jǐn)?shù)權(quán)重； 所述特征提取器、分類器和判別器通過未標(biāo)注訓(xùn)練圖像數(shù)據(jù)集和已標(biāo)注訓(xùn)練圖像數(shù)據(jù)集聯(lián)合訓(xùn)練； 通過訓(xùn)練所述特征提取器，其中，為特征提取器的權(quán)重，為特征提取器，，為特征提取器的權(quán)重矩陣，，為已標(biāo)注訓(xùn)練圖像數(shù)據(jù)集中的第L個(gè)訓(xùn)練樣本，為訓(xùn)練圖像，為的標(biāo)簽，表示第L個(gè)訓(xùn)練樣本的實(shí)際輸出與期望輸出差異的數(shù)學(xué)期望，表示歸一化后的樣本概率分布，表示isomax函數(shù)，表示已標(biāo)記訓(xùn)練樣本輸入特征提取器后的特征，T表示神經(jīng)網(wǎng)絡(luò)的溫度參數(shù)； 通過+訓(xùn)練所述分類器，其中，為分類器的權(quán)重，為分類器，，表示映射到再生希爾伯特空間的映射函數(shù)，N表示已標(biāo)注訓(xùn)練圖像數(shù)據(jù)集中的圖像數(shù)量，M表示未標(biāo)注訓(xùn)練圖像數(shù)據(jù)集中的圖像數(shù)量，表示第i個(gè)已標(biāo)注的訓(xùn)練樣本，表示另一個(gè)與第i個(gè)已標(biāo)注訓(xùn)練樣本不同的已標(biāo)注訓(xùn)練樣本，表示第j個(gè)未標(biāo)注的訓(xùn)練樣本，表示另一個(gè)與第j個(gè)未標(biāo)注訓(xùn)練樣本不同的未標(biāo)注訓(xùn)練樣本。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人西北工業(yè)大學(xué)，其通訊地址為：710072 陜西省西安市友誼西路127號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。