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！

龙图腾网获悉厦门大学申请的专利基于样本感知蒸馏的长尾分布视觉分类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：CN115995018B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202211579446.5，技术领域涉及：G06V10/764；该发明授权基于样本感知蒸馏的长尾分布视觉分类方法是由黄洪艺;郑珊珊;曲延云;张亚超设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本基于样本感知蒸馏的长尾分布视觉分类方法在说明书摘要公布了：基于样本感知蒸馏的长尾分布视觉分类方法，涉及图像处理、目标检测领域。建立长尾分布数据集，对输入图片预处理，训练教师网络模型和学生网络模型，计算交叉熵损失和特征中心稳定学习损失，利用选择性知识蒸馏模块计算选择性知识蒸馏损失；三种损失对学生网络模型优化训练。提出特征中心稳定学习模块：计算得到全局性类间特征中心，利用全局特征中心的类间关系将局部特征中心优化，丰富尾部类数据特征的丰富性和表达能力，利用优化得到的局部特征中心对样本分类；提出选择性知识蒸馏模块：根据教师模型与学生模型的知识正确性及置信度有侧重性地将教师模型的知识蒸馏给学生。可用于长尾图像分类、目标检测等。

本发明授权基于样本感知蒸馏的长尾分布视觉分类方法在权利要求书中公布了：1.基于样本感知蒸馏的长尾分布视觉分类方法，其特征在于包括以下步骤： 1建立长尾分布数据集，对数据集采样作为输入图片并预处理； 2将预处理后的图像输入教师网络，训练教师网络模型后，将训练集所有样本输预训练教师模型中，得到特征向量的均值求全局类别特征中心，取出预测置信度中最高置信度的标签，得到教师预测结果； 3将预处理后的图像输入学生网络中训练学生网络模型，样本经特征编码器得到特征向量，特征向量进入两个分支，分别计算交叉熵损失和特征中心稳定学习损失；取出预测置信度中最高置信度所对应的类别标签，得到学生预测结果； 4学生预测结果、教师预测结果及真实标签三者利用选择性知识蒸馏模块计算得到选择性知识蒸馏损失； 所述选择性知识蒸馏模块用于提升长尾分布问题的分类性能，具体步骤如下： 4.1知识蒸馏使用KL散度衡量学生模型和教师模型对相同批次样本预测后得到的分布的差异；KL的具体计算公式如下： 其中，zs，zt分别为学生模型、教师模型的预测分布； 4.2选择性知识蒸馏模块在知识蒸馏的基础上对知识进行挑选；每个批次随机采样batch_size个样本输入到两个模型，得到学生预测结果ys和教师预测结果yt，学生预测结果ys、教师预测结果yt和真实标签y三者作为选择性知识蒸馏模块的输入并计算选择性知识蒸馏损失；该模块中的蒸馏权重由三种情况组成，公式为分别是： ⅰ.教师预测结果与真实标签不同，教师预测错误，蒸馏权重置0； ⅱ.教师预测结果与学生预测结果相同，蒸馏权重置为pr，p表示预测结果的不确定性度量，且p＝1-yt，r取2； ⅲ.教师预测结果与真实标签一致，教师预测正确，学生预测结果与真实标签不一致，蒸馏权重置1； 总的选择性知识蒸馏损失计算如下式： 其中，τ为温度参数，表示根据不同类别样本数量计算得到该类别所对应的权重比例； 通过优化选择性知识蒸馏损失，有选择性地减小两个模型间的分布差异，学生模型有效剔除教师模型错误的知识，提升该学生模型对长尾分布问题的分类性能； 总的损失函数如下式： Ltotal＝LCE+LSKD+α·LSFCL9 其中，α为损失的平衡系数；重复迭代设定的次数，直至训练结束； 5联合交叉熵损失、特征中心稳定学习损失和选择性知识蒸馏损失三种损失对学生网络模型优化训练。

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厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422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”。