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！

龙图腾网获悉宁波博登智能科技有限公司申请的专利基于混合学习框架的半监督目标检测模型训练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：CN120449974B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510951711.5，技术领域涉及：G06N3/0895；该发明授权基于混合学习框架的半监督目标检测模型训练方法及系统是由周佳莹;彭成斌;赵捷;姚保琛设计研发完成，并于2025-07-10向国家知识产权局提交的专利申请。

本基于混合学习框架的半监督目标检测模型训练方法及系统在说明书摘要公布了：本发明提供了一种基于混合学习框架的半监督目标检测模型训练方法及系统。所述方法包括：获取教师模型和学生模型；获取训练集；将任一有标签数据进行强增强操作输入学生模型中获得有标签检测结果；计算有监督损失；将无标签数据分别进行弱增强操作和强增强操作输入教师模型中进行检测生成伪标签，输入学生模型中进行检测获得无标签检测结果；提取伪负标签；计算伪标签损失、伪负标签损失，组成无监督损失；迭代更新学生模型和教师模型的参数。本发明所提供的混合学习策略中，正学习增强模型对目标的定位准确性；负学习有效提高无标签数据利用率的同时，降低了伪标签中噪声的传播，最终显著提高了训练效率和模型检测的准确性。

本发明授权基于混合学习框架的半监督目标检测模型训练方法及系统在权利要求书中公布了：1.一种基于混合学习框架的半监督目标检测模型训练方法，所述目标检测模型至少用于进行图像目标检测和分类，其特征在于，包括： 获取结构相同的第一基础模型和第二基础模型并分别作为教师模型和学生模型；获取训练集，所述训练集包括有标签数据及其对应的真值标签，以及无标签数据，所述有标签数据和无标签数据均为图像； 将任一所述有标签数据进行强增强操作，获得有标签增强结果，将所述有标签增强结果输入所述学生模型中进行检测，获得有标签检测结果； 基于所述有标签检测结果及所述有标签数据对应的真值标签计算有监督损失； 将任一所述无标签数据分别进行弱增强操作和强增强操作，分别获得无标签弱增强结果和无标签强增强结果； 将所述无标签弱增强结果输入所述教师模型中进行检测，生成伪标签；将所述无标签强增强结果输入所述学生模型中进行检测，获得无标签检测结果； 根据伪标签的分数将所述伪标签划分为可靠伪标签和不确定伪标签，在多个所述不确定伪标签中提取伪负标签，所述伪负标签的分类可靠性高于所述不确定伪标签的平均分类可靠性； 基于所述可靠伪标签和所述无标签检测结果的一致性计算所述学生模型的伪标签损失，基于所述伪负标签和所述无标签检测结果的负一致性计算所述学生模型的伪负标签损失，所述伪标签损失和所述伪负标签损失组成无监督损失，所述无监督损失的计算方式表示为： ； 其中，表示所述无监督损失，表示无监督分类损失值，表示无监督边界框回归损失值，表示无监督置信度损失值，表示伪负分类损失值； 所述伪负分类损失值的损失函数为： ； 其中，表示所述伪负分类损失值，表示被选为伪负标签的部分所述伪标签中的分类预测结果；表示所述无标签检测结果中的分类预测部分；表示所述伪负标签被筛选为全部所述伪标签中且的部分，、、分别为对应的预设值；表示负交叉熵损失； 以所述有监督损失和无监督损失线性加和作为总损失，迭代更新所述学生模型的参数，且基于所述学生模型的参数，利用移动平均的方法迭代更新所述教师模型的参数。

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宁波博登智能科技有限公司，其通讯地址为：315000 浙江省宁波市高新区宁波新材料创新中心东区2幢22号5-1-1室；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”。