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！

龙图腾网获悉中国科学院计算技术研究所申请的专利基于多模型联合对比学习的图像分类方法及系统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：CN116109873B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310174287.9，技术领域涉及：G06V10/764；该发明授权基于多模型联合对比学习的图像分类方法及系统是由杨传广;安竹林;于新强;徐勇军设计研发完成，并于2023-02-23向国家知识产权局提交的专利申请。

本基于多模型联合对比学习的图像分类方法及系统在说明书摘要公布了：本发明提出一种基于多模型联合对比学习的图像分类方法和系统，包括：本发明提出多模型联合对比学习算法来引导不同的模型在特征层面进行交互，在多个模型之间相互地迁移各自的对比相似度概率分布。采用对比学习可使相同类别的样本在特征空间接近，不同类别样本在特征空间远离，进而得到具有判别性的表征空间。在多模型联合学习的场景下，对比学习可以使得不同模型的特征向量建立关系，从而在特征层面对多模型进行交互。通过多模型联合对比学习，每一个网络都可以学习更好的特征表达，从而提升图像分类的效果和下游的语义识别任务。

本发明授权基于多模型联合对比学习的图像分类方法及系统在权利要求书中公布了：1.一种基于多模型联合对比学习的图像分类方法，其特征在于，包括： 步骤1，获取M个神经网络作为群组联合学习模型进行联合学习，M为大于等于2的整数，获取由多幅均已标注图像类别的训练图像构成的训练集； 步骤2，对于输入的训练图像x，M个神经网络输出M个图像特征d是特征向量的维度；给定一个输入图像x0作为锚样本，将与x0相同类别的图像x1为正样本，K个图像为负样本； 将训练图像输入到M个神经网络神经网络中，得到对应的锚向量正向量和负向量其中m代表群组网络中的第m个网络；使用如下式1的点乘方法来计算锚向量与对比向量之间的相似度分布pm，对比向量包括正向量和负向量： 使用如下式2的第一误差来最大化锚向量与正向量之间的相似度，最小化锚向量与负向量之间的相似度： 对于群组中的M个神经网络，每一个网络都进行相同模式的对比学习，从而有如下的第一对比学习误差： 步骤3，从M个网络中选出2个网络fa和fb，锚向量产生自fa，对比向量产生自fb，使用公式4计算相似度分布： 使用第二误差来最大化锚向量与正向量之间的相似度，最小化锚向量与负向量之间的相似度： 对于群组中的M个神经网络，每两个网络都进行相同模式的交互式对比学习，得到如下的第二对比学习误差： 上述对比学习误差是对于M个网络，网络之间两两进行对比学习误差计算；针对任意两个网络a,b，其中a不等于b，采用公式5进行交互式对比学习； 步骤4，在应用对M个网络内部两两组合应用交互式对比学习之后，产生对比相似度分布将两两网络之间进行对比概率分布的相互逼近，使用最小平方误差函数： 步骤5，基于该第一对比学习误差、该第二对比学习误差和该最小平方误差函数构建总误差，使用随机梯度下降优化器最小化该总误差，训练完成后，得到该群组联合学习模型的判别性特征空间，其中每一个图像类别具有类别中心，给定输入样本，通过比较输入样本与各类别中心的距离，选择与类别中心距离最近的类别作为该输入样本的图像类别。

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中国科学院计算技术研究所，其通讯地址为：100080 北京市海淀区中关村科学院南路6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”。