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！

龙图腾网获悉扬州大学申请的专利基于标签传播对比半监督学习的图像分类方法与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：CN115410026B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202210825399.1，技术领域涉及：G06V10/764；该发明授权基于标签传播对比半监督学习的图像分类方法与系统是由徐晓华;李好;何萍设计研发完成，并于2022-07-14向国家知识产权局提交的专利申请。

本基于标签传播对比半监督学习的图像分类方法与系统在说明书摘要公布了：本发明公开了一种基于标签传播对比半监督学习的图像分类方法与系统，本发明首先为图像数据学习有意义的自监督对比学习的潜在特征。其次采用标签传播算法在无监督特征上传播已知标签，以自动方式有效地标记整个图像数据集。然后使用相似对齐方法选择匹配图像样本并构成可靠图像样本数据集。最后在匹配可靠图像样本数据集上训练半监督网络模型。在不匹配的图像样本进行无监督对比学习提取特征预测标签进行分类。本发明可在极低的监督设置下提高半监督图像分类的性能，可解决图像数据在进行图像分类时因为图像数据分布不平衡导致数据在标记时不匹配引起的模型性能严重下降的问题，提高图像数据分类的准确性，同时有效减少人工注释的工作。

本发明授权基于标签传播对比半监督学习的图像分类方法与系统在权利要求书中公布了：1.一种基于标签传播对比半监督学习的图像分类方法，其特征在于，包括如下步骤： 1将原始的图像数据集进行部分标记，其中标记图像数量少于未标记图像，并对图像数据集进行预处理； 2构建包括对比学习模型和标签传播模型的半监督图像分类框架，通过对比学习拉近未标记图像数据和标记图像数据之间相似特征的距离；所述对比学习模型最大化正样本对的相似性，同时最小化负样本对的相似性，通过实例混合的对比损失来优化对比学习模型的权重参数；其中，令为一批图像数据对，其中Np为批次大小，对于每个锚点，是同一个图像数据的两个不同程度的增强版本，对于每个输入图像样本xi，和分别称为xi的正样本和负样本；是批次B中和的虚拟标签，同一图像的虚拟标签值是1，不同图像的混合虚拟标签值为0，对于具有虚拟标签的样本xi,vi、xj,vj，实例混合的方式为mix＝λxi+1-λxj,λvi+1-λvj，λ是混合系数； 3使用对比学习得到的图像特征进行标签传播，使用相似对齐的方法，分别找出和标记图像数据匹配以及和标记图像数据不匹配的标签；对于匹配的标签，经传播的标签使用交叉熵损失值大于余弦相似度分布值的图像样本构建一个可靠的图像数据集；对于不匹配的标签，采用无监督对比学习的方法去提取图像的特征，预测出其标签和类别； 4使用可靠图像数据集和标记数据来训练半监督网络模型，通过地面真实标签和预测标签的交叉熵构成监督损失，未标记数据的预测构成交叉熵无监督损失，使用监督损失和无监督损失构成半监督网络模型的总损失，通过反向传播算法优化半监督网络模型的权重参数； 5使用半监督网络模型对测试图像数据进行分类，获得分类结果。

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扬州大学，其通讯地址为：225009 江苏省扬州市大学南路88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”。