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！

龙图腾网获悉厦门理工学院;容大合众(厦门)科技集团股份公司;厦门瑞为信息技术有限公司申请的专利基于非对称增强和置信协同学习的新货品类别发现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：CN120236146B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510704591.9，技术领域涉及：G06V10/764；该发明授权基于非对称增强和置信协同学习的新货品类别发现方法是由王大寒;吴赫涛;姜其焱;何一凡;张煦尧;朱顺痣设计研发完成，并于2025-05-29向国家知识产权局提交的专利申请。

本基于非对称增强和置信协同学习的新货品类别发现方法在说明书摘要公布了：本发明提供了基于非对称增强和置信协同学习的新货品类别发现方法，涉及计算机视觉与人工智能技术领域，旨在提升其在动态零售环境中对已知和未知货品的识别能力。该方法通过非对称数据增强策略，生成不同强度的图像视图，增强模型对货品外观变化的适应性。同时，采用置信度引导的协同学习机制，动态利用未标记数据中的高置信度样本，减少噪声干扰。此外，针对已知类别的长尾分布问题，引入Logit调整策略，优化分类效果。通过整合多种损失函数，构建多任务学习框架，实现对已知货品的精准识别和未知新货品的自动发现与聚类，显著提高了智能电子秤的智能化水平和实用性。

本发明授权基于非对称增强和置信协同学习的新货品类别发现方法在权利要求书中公布了：1.一种基于非对称增强和置信协同学习的新货品类别发现方法，其特征在于，包括： 获取待识别的货品图像，并对所述货品图像进行预处理； 调用训练好的新货品类别发现模型对预处理后的货品图像进行前向传播处理，得到最终的分类Logitsz，根据分类Logitsz计算概率分布，选择对应的类别索引，进行类别判断，并根据类别判断结果进行新货品类别发现和加入； 在调用训练好的新货品类别发现模型对预处理后的货品图像进行前向传播处理之前，还包括： 构建包含已标记和未标记的货品数据集，并对货品数据集进行预处理，得到混合数据集，作为待训练的新货品类别发现模型的输入； 对所述混合数据集中的货品图像x进行非对称数据增强处理，生成粗粒度增强视图v c和细粒度增强视图v f； 采用预设的共享特征提取骨干网络对粗粒度增强视图v c和细粒度增强视图v f进行特征提取处理，得到投影特征p和分类Logitsz； 构建总体优化目标函数，基于投影特征p和分类Logitsz进行多任务损失计算处理，得到总损失结果，并根据总损失结果对新货品类别发现模型进行更新，直至模型的输出结果达到预设要求，结束训练，得到训练好的新货品类别发现模型； 构建总体优化目标函数，基于投影特征p和分类Logitsz进行多任务损失计算处理，得到总损失结果，并根据总损失结果对新货品类别发现模型进行更新，具体为： 构建总体优化目标函数，基于总体优化目标函数、投影特征p和分类Logitsz进行多任务损失计算处理，得到总损失结果，其中，和均为权重系数，为自蒸馏聚类损失，为基于Logit调整的监督分类损失，为无监督对比损失，为监督对比损失，为置信协同特征学习损失； 根据总损失结果对新货品类别发现模型进行更新； 针对已标记样本及其对应的视图，利用已知类别的样本数量对其分类Logitsz进行调整，并计算Logit调整的监督分类损失，公式为：，其中，为样本在类别上的logit值，为类别的样本数量，为类别的样本数量，为样本在类别上的logit值，为除当前类别y之外的其他所有类别，为温度参数； 对所有样本的所有视图的投影特征p计算其无监督对比损失，其中，和为同一货品的两个不同视图的特征表示，为批次中任意其他样本的特征表示，为每个批次中的样本数量； 针对已标记样本及其视图，计算其监督对比损失，其中，为与样本同类的正样本视图集合，为训练数据集中的总样本数量； 利用教师-学生框架进行知识蒸馏，得到学生网络输出的Logitsz和教师网络输出的目标概率q，并计算二者之间的自蒸馏聚类损失，为从教师模型获得的样本属于类别的软标签，，为学生模型对应的预测概率，为模型预测的总类别数，包括已知类别和未知类别，为学生网络对样本i在类别j上的logit输出值，为知识蒸馏中的温度参数，用于控制软标签的平滑程度，为学生网络对样本i在类别k上的logit输出值； 根据当前模型对所有样本的Logitsz，计算预测伪标签和对应的预测置信度，设计基于置信度的协同特征学习机制，构建样本邻域集合：，其中，为模型预测的伪标签，为预测置信度，为置信度阈值，为样本j的预测伪标签，为样本j的预测置信度，为模型输出的logits向量，为用于计算置信度的温度参数，用于控制softmax的平滑程度； 根据样本邻域集合计算置信协同特征学习损失。

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理工学院;容大合众(厦门)科技集团股份公司;厦门瑞为信息技术有限公司，其通讯地址为：361024 福建省厦门市集美区理工路600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”。