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！

龙图腾网获悉斯特拉德视觉公司申请的专利对基于深度学习的检测网络进行自监督学习的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：CN115130644B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202210119377.3，技术领域涉及：G06N3/0895；该发明授权对基于深度学习的检测网络进行自监督学习的方法及装置是由柳宇宙;康凤男;诸泓模设计研发完成，并于2022-02-08向国家知识产权局提交的专利申请。

本对基于深度学习的检测网络进行自监督学习的方法及装置在说明书摘要公布了：本发明公开使用深度Q网络对基于深度学习的检测网络进行自监督学习的方法及用其的装置，包括：通过使用学习数据库训练的检测网络对第1未标记图像进行目标检测以生成第1目标检测信息，通过深度Q网络对与第1目标检测信息对应的第1状态集进行学习运算生成Q值，Q值的动作对应于第1未标记图像的接受时，对通过使用将第1未标记图像的标记图像作为学习数据添加的学习数据库来重新训练的检测网络进行测试以生成第1准确度，动作对应于第1未标记图像拒绝时，在无重新训练的情况下测试检测网络以生成第2准确度，生成第1状态集、动作、针对第1准确度或第2准确度的奖励及第2未标记图像的第2状态集作为转换向量，使用转换向量训练深度Q网络。

本发明授权对基于深度学习的检测网络进行自监督学习的方法及装置在权利要求书中公布了：1.一种使用深度Q网络对基于深度学习的检测网络进行自监督学习的方法，其特征在于，包括： a步骤，在已使用多个存储在学习数据库中的学习数据训练用于检测对象的检测网络的状态下，当从未标记数据库中获得至少一个第1未标记图像时，学习装置a1将所述第1未标记图像输入到所述检测网络，使所述检测网络对所述第1未标记图像进行目标检测以生成第1目标检测信息，a2参考所述第1目标检测信息生成第1状态集，所述第1状态集包括对应于针对包括在所述第1未标记图像中的第1对象的第1_1边界框的第1_1分类置信度、第1_1回归不确定性和第1_1池化特征图至对应于针对包括在所述第1未标记图像中的第k1对象的第1_k1边界框的第1_k1分类置信度、第1_k1回归不确定性和第1_k1池化特征图，其中所述k1为1以上的整数，a3将所述第1状态集输入到深度Q网络，使所述深度Q网络对所述第1状态集进行学习运算以生成Q值，所述Q值包括对应于所述第1未标记图像的接受分数和拒绝分数，a4将argMax函数应用于所述Q值以生成动作； b步骤，所述学习装置b1参考所述动作，b1-1当所述动作对应于所述第1未标记图像的接受时，把将所述第1目标检测信息作为标签添加到所述第1未标记图像而获得的标记图像作为学习数据添加到所述学习数据库中，从所述未标记数据库中删除所述第1未标记图像，使用包括在所述学习数据库中的至少一个所述学习数据重新训练所述检测网络，参考通过使用验证数据库测试重新训练的所述检测网络而获得的重新训练的所述检测网络的第1准确度生成奖励，b1-2当所述动作对应于所述第1未标记图像的拒绝时，从所述未标记数据库中删除所述第1未标记图像，参考通过使用所述验证数据库测试所述检测网络而获得的所述检测网络的第2准确度生成所述奖励，b2当从所述未标记数据库中获得至少一个第2未标记图像时，b2-1将所述第2未标记图像输入到所述检测网络，使所述检测网络对所述第2未标记图像进行目标检测以生成第2目标检测信息，b2-2参考所述第2目标检测信息生成第2状态集，所述第2状态集包括对应于针对包括在所述第2未标记图像中的第1对象的第2_1边界框的第2_1分类置信度、第2_1回归不确定性和第2_1池化特征图至对应于针对包括在所述第2未标记图像中的第k2对象的第2_k2边界框的第2_k2分类置信度、第2_k2回归不确定性和第2_k2池化特征图，其中所述k2为1以上的整数，b2-3将所述第1状态集、所述动作、所述奖励和所述第2状态集作为转换向量存储在存储器；以及 c步骤，所述学习装置通过从所述存储器中采样待用作至少一个学习用转换向量的至少一个特定转换向量来生成小批量，使用所述小批量训练所述深度Q网络，以使所述深度Q网络根据所述第1状态集和所述第2状态集输出用于增加所述奖励的动作。

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斯特拉德视觉公司，其通讯地址为：韩国庆尚北道；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”。

以上内容由龙图腾AI智能生成。