吉林大学徐昊获国家专利权
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！
龙图腾网获悉吉林大学申请的专利针对图像识别中长尾分布问题的特征簇压缩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：CN116310608B 。
龙图腾网通过国家知识产权局官网在2025-07-01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：202310252180.1，技术领域涉及：G06V10/77；该发明授权针对图像识别中长尾分布问题的特征簇压缩方法是由徐昊;李健;王静文;吴涵;周琦;赵强设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。
本针对图像识别中长尾分布问题的特征簇压缩方法在说明书摘要公布了：本发明提供了针对图像识别中长尾分布问题的特征簇压缩方法，包括：在训练阶段，对骨干网络输出的原始特征乘以特定的因子τ1，获取被乘特征并输入至分类器，迫使分类器在更大的尺寸下训练决策边界，且使原始特征相对于被乘特征被线性压缩，表现出更紧密的特征簇；在测试阶段，将所述原始特征直接输入至训练好的分类器，决策边界不变，且因原始特征簇更加紧密，尤其针对尾部类的稀疏簇压缩效果更显著，特征相互靠近，使得边界特征不易越过决策边界而导致错误分类，从而解决图像识别中长尾数据集上模型性能受限问题。同时本发明可以与现有的长尾分布方法有效结合并且进一步的提升，广泛的实验表明，本发明针对该问题的有效性和通用性。
本发明授权针对图像识别中长尾分布问题的特征簇压缩方法在权利要求书中公布了：1.针对图像识别中长尾分布问题的特征簇压缩方法，其特征在于，包括： 在训练阶段，对骨干网络输出的原始特征乘以预设特定因子，获取被乘特征，使得原始特征相对于被乘特征被线性压缩，将所述被乘特征输入至分类器进行训练；在测试阶段，将所述原始特征直接输入至训练好的分类器；因原始特征簇被线性压缩，故特征之间更加紧密，对于尾部类的稀疏簇压缩效果更加显著，使得边界特征不易越过决策边界，从而解决图像识别中数据集上长尾分布问题； 所述特征簇压缩为： 其中，和分别为第i类的被乘特征和原始特征，τi为第i类的缩放因子； 对骨干网络输出的原始特征进行特征簇压缩的方式为：采取等差压缩； 所述等差压缩为： 其中，τi为第i类的缩放因子，γ为缩放超参数，C为类别数量，i为类别索引。
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吉林大学，其通讯地址为：130012 吉林省长春市高新产业开发区前进大街2699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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号