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)獲悉中國(guó)科學(xué)院計(jì)算技術(shù)研究所申請(qǐng)的專利一種基于聯(lián)合聚類域自適應(yīng)的圖片分類方法和系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN113936167B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-29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：202111088083.0，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種基于聯(lián)合聚類域自適應(yīng)的圖片分類方法和系統(tǒng)是由張蕊;汪瑜;張曦珊;劉少禮設(shè)計(jì)研發(fā)完成，并于2021-09-16向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于聯(lián)合聚類域自適應(yīng)的圖片分類方法和系統(tǒng)在說明書摘要公布了：本發(fā)明提出一種基于聯(lián)合聚類域自適應(yīng)的圖片分類方法和系統(tǒng)，包括：通過特征提取網(wǎng)絡(luò)可分別提取源域圖片數(shù)據(jù)和目標(biāo)域圖片數(shù)據(jù)的特征，得到源域特征和目標(biāo)域特征；基于源域特征和目標(biāo)域特征到聚類中心的距離顯式表達(dá)域內(nèi)類別條件分布概率；最小化源域數(shù)據(jù)標(biāo)簽與域內(nèi)類別條件分布概率的相對(duì)熵距離，更新特征提取網(wǎng)絡(luò)與類別聚類中心；最小化目標(biāo)域數(shù)據(jù)的標(biāo)簽分配與域內(nèi)類別條件分布概率的相對(duì)熵距離，再次更新特征提取網(wǎng)絡(luò)與聚類中心；將待分類圖片輸入經(jīng)過再次更新的特征提取網(wǎng)絡(luò)，得到待分類圖片的圖片特征，計(jì)算圖片特征與經(jīng)過再次更新的類別聚類中心中所有類別中心的概率，取概率最大的類別作為待分類圖片的圖片分類結(jié)果。

本發(fā)明授權(quán)一種基于聯(lián)合聚類域自適應(yīng)的圖片分類方法和系統(tǒng)在權(quán)利要求書中公布了：1.一種基于聯(lián)合聚類域自適應(yīng)的圖片分類方法，其特征在于，包括： 步驟1、通過特征提取網(wǎng)絡(luò)分別提取源域圖片數(shù)據(jù)和目標(biāo)域圖片數(shù)據(jù)的特征，得到源域特征和目標(biāo)域特征； 步驟2、獲取類別聚類中心，基于該源域特征和該目標(biāo)域特征到該聚類中心的距離顯式表達(dá)域內(nèi)類別條件分布概率； 步驟3、通過最小化源域數(shù)據(jù)標(biāo)簽與域內(nèi)類別條件分布概率的相對(duì)熵距離，更新該特征提取網(wǎng)絡(luò)與類別聚類中心； 步驟4、通過最小化目標(biāo)域數(shù)據(jù)的標(biāo)簽分配與域內(nèi)類別條件分布概率的相對(duì)熵距離，再次更新特征提取網(wǎng)絡(luò)與聚類中心； 步驟5、將待分類圖片輸入經(jīng)過再次更新的特征提取網(wǎng)絡(luò)，得到待分類圖片的圖片特征，計(jì)算該圖片特征與經(jīng)過再次更新的類別聚類中心中所有類別中心的距離，表示該待分類圖片屬于各類別的概率，取概率最大的類別作為該待分類圖片的圖片分類結(jié)果； 該步驟1包括利用該特征提取網(wǎng)絡(luò)提取源域和目標(biāo)域圖片數(shù)據(jù)的特征： 其中為輸入圖片數(shù)據(jù)，表示參數(shù)為θR的神經(jīng)網(wǎng)絡(luò)，表示輸出特征； 其特征在于，該步驟2包括： 其中qj表示凸顯類別j的聚類中心，為神經(jīng)網(wǎng)絡(luò)梯度的參數(shù)表示特征的類別聚類中心，pyj|xi,q表示圖片樣本xi屬于圖像類別j的域內(nèi)類別條件分布概率； 該步驟3中最小化源域數(shù)據(jù)標(biāo)簽與域內(nèi)類別條件分布概率的相對(duì)熵距離具體為： 其中N表示源域內(nèi)樣本數(shù)量，表示源域中樣本xi的類別標(biāo)簽，表示源域樣本xi經(jīng)過神經(jīng)網(wǎng)絡(luò)提取到的特征； 步驟4中最小化目標(biāo)域數(shù)據(jù)的標(biāo)簽分配與域內(nèi)類別條件分布概率的相對(duì)熵距離具體為； 其中N表示目標(biāo)域內(nèi)樣本數(shù)量，表示源域樣本xi的類別標(biāo)簽分配，表示源域樣本xi經(jīng)過神經(jīng)網(wǎng)絡(luò)提取到的特征，γi表示源域樣本xi經(jīng)過聚類算法獲得的標(biāo)簽分配。

如需購(gòu)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)人中國(guó)科學(xué)院計(jì)算技術(shù)研究所，其通訊地址為：100080 北京市海淀區(qū)中關(guān)村科學(xué)院南路6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)”。