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！

龙图腾网获悉北京印刷学院申请的专利一种结合源监督和目标无监督信息的隐写分析网络训练方法及装置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：CN116168264B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202211675494.4，技术领域涉及：G06V10/774；该发明授权一种结合源监督和目标无监督信息的隐写分析网络训练方法及装置是由张祝薇;于丽芳;翁韶伟设计研发完成，并于2022-12-26向国家知识产权局提交的专利申请。

本一种结合源监督和目标无监督信息的隐写分析网络训练方法及装置在说明书摘要公布了：本发明提供一种结合源监督和目标无监督信息的隐写分析网络训练方法及装置，所述方法的步骤包括：将测试数据集输入到隐写分析网络中，输出测试数据集中每个目标域图像的类别；通过特征提取层，得到预设的训练数据集中对应每个源域图像的参数矩阵，基于源域图像的参数矩阵计算对应每个类别的源域特征均值矩阵，基于测试数据集计算对应每个类别的目标域特征均值矩阵；基于每个类别的源域特征均值矩阵和目标域特征均值矩阵计算对应每个类别的域间平均差，并计算交叉熵损失函数值；基于目标域特征图像属于两个类别的概率参数计算个体预测熵和平均预测熵，并计算总预测熵；基于交叉熵损失函数值和总预测熵计算损失函数值，对隐写分析网络进行训练。

本发明授权一种结合源监督和目标无监督信息的隐写分析网络训练方法及装置在权利要求书中公布了：1.一种结合源监督和目标无监督信息的隐写分析网络训练方法，其特征在于，所述隐写分析网络包括特征提取层和分类层，所述特征提取层用于将输入图像提取为参数矩阵，所述分类层用于确定输入图像的类别，所述类别为隐写图像或载体图像，所述方法的步骤包括： 将测试数据集输入到所述隐写分析网络中，输出测试数据集中每个目标域图像为隐写图像或载体图像； 将预设的训练数据集输入到特征提取层，得到对应训练数据集中每个源域图像的参数矩阵，基于每个源域图像的参数矩阵分别计算对应每个类别的源域特征均值矩阵，分别拆分训练数据集和测试数据集每个参数矩阵两个维度的矩阵，将所有参数矩阵中对应一个类别的矩阵构建为多维矩阵，计算多维矩阵中对应位置参数的平均值，将多维矩阵转化为一维矩阵，输出训练数据集两个类别转化得到的一维矩阵为两个类别对应的源域特征均值矩阵，输出测试数据集两个类别转化得到的一维矩阵为两个类别对应的目标域特征均值矩阵，基于测试数据集每个目标域图像的参数矩阵分别计算对应每个类别的目标域特征均值矩阵； 基于每个类别的源域特征均值矩阵和目标域特征均值矩阵计算对应每个类别的域间平均差，基于所述域间平均差计算交叉熵损失函数值，基于分类层的权重参数构建权重矩阵，所述权重矩阵包括用于计算隐写图像类别的第一权重参数矩阵和用于计算载体图像类别的第二权重参数矩阵；基于所述权重矩阵、第一权重参数矩阵和第二权重参数矩阵计算第一协方差参数；基于所述第一协方差参数计算第二协方差参数；基于所述第二协方差参数和域间平均差计算交叉熵损失函数值； 基于分类层计算得到的每个目标域特征图像属于两个类别的概率参数计算个体预测熵和平均预测熵，基于所述个体预测熵和平均预测熵计算总预测熵； 基于交叉熵损失函数值和总预测熵计算损失函数值，基于损失函数值对隐写分析网络进行训练。

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北京印刷学院，其通讯地址为：100026 北京市大兴区兴华大街(二段)1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”。