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！

龙图腾网获悉华南师范大学申请的专利一种针对用户端标签数据缺失的人脸识别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：CN119649436B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510168626.1，技术领域涉及：G06V40/16；该发明授权一种针对用户端标签数据缺失的人脸识别方法是由李皓杨;张长海设计研发完成，并于2025-02-17向国家知识产权局提交的专利申请。

本一种针对用户端标签数据缺失的人脸识别方法在说明书摘要公布了：本发明提供了一种针对用户端标签数据缺失的人脸识别方法，包括选择初始模型，确定样本选择策略。基于样本选择策略从无标签样本集中筛选出补充样本，得到补充样本集。将补充样本集加入有标签样本集，得到第一训练集。第一训练集包括有标签样本和无标签样本，采用第一训练集对初始模型进行混合训练，得到人脸识别模型。在半监督训练中，首先使用有标签样本来学习输入特征和输出标签之间的映射关系，然后预测无标签样本的样本类型。无标签样本包含大量非结构化或未注释的数据，本发明结合有标签样本和无标签样本，可以解决单独采用主动学习而陷入局部最优解的问题，在缺少标签数据时加速初始模型的收敛过程，从而提高训练初始模型的效率和精度。

本发明授权一种针对用户端标签数据缺失的人脸识别方法在权利要求书中公布了：1.一种针对用户端标签数据缺失的人脸识别方法，其特征在于，包括： 选择初始模型，确定样本选择策略； 基于所述样本选择策略从无标签样本集中筛选出补充样本，得到补充样本集，包括： 若样本选择策略为不确定性采样，则选择不确定性指标； 根据所述不确定性指标从无标签样本集中筛选出补充样本，包括： 若所述不确定性指标为熵，则按照熵的大小对无标签样本进行降序排序，得到熵序列； 将所述熵序列中的第一个熵至第K1个熵对应的无标签样本作为补充样本；根据熵序列中熵的总数来设置K1的数值，将熵序列中熵的总数乘以20%得到K1； 将所有所述补充样本作为补充样本集； 将所述补充样本集加入有标签样本集，得到第一训练集；所述第一训练集包括有标签样本和无标签样本； 采用所述第一训练集对所述初始模型进行混合训练，得到人脸识别模型，包括： 采用所述第一训练集对所述初始模型进行半监督训练，生成第一伪标签样本集，包括： 将所述第一训练集中的所述有标签样本输入初始模型，以使所述初始模型学习输入特征和输出标签之间的映射关系； 将所述第一训练集中的所述无标签样本输入所述初始模型，对所述无标签样本进行预测，得到预测输出； 将N个所述预测输出分别与对应的实际输出进行比较，得到标签匹配度； 根据所述标签匹配度调整所述初始模型的模型参数； 对所述第一伪标签样本集中的部分伪标签样本进行标注，得到第一更新后伪标签样本集； 将所述第一更新后伪标签样本集加入所述第一训练集，得到第二训练集； 采用所述第二训练集对所述初始模型进行半监督训练，生成第二伪标签样本集；其中，所述混合训练包括交替迭代式的主动学习和半监督训练； 采用所述人脸识别模型对用户面部进行人脸识别； 在基于所述样本选择策略从无标签样本集中筛选出补充样本之前，还包括构建无标签样本集，无标签样本集包含真实无标签样本和模拟无标签样本；模拟无标签样本由对真实无标签样本进行非线性变换得到，对P个真实无标签样本进行均值运算，得到平均脸，其中，P≥2；采用以下公式对平均脸进行非线性变换： ； 其中，Ki为第i个模拟无标签样本，AVGi为第i个平均脸，MAX为设置的最大像素值。

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华南师范大学，其通讯地址为：528225 广东省佛山市南海区狮山镇南海软件信息园桃园西路；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”。