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！

龙图腾网获悉厦门大学申请的专利基于特征空间分布均匀性的长尾分布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：CN116168268B 。

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：202310112009.0，技术领域涉及：G06V10/774；该发明授权基于特征空间分布均匀性的长尾分布方法是由曹刘娟;李明设计研发完成，并于2023-02-14向国家知识产权局提交的专利申请。

本基于特征空间分布均匀性的长尾分布方法在说明书摘要公布了：基于特征空间分布均匀性的长尾分布方法，涉及深度神经网络数据训练。包括以下步骤：1在交叉熵损失的基础上根据每个类别的样本数量计算一个自适应的损失函数加权项；2在训练的过程中，根据每个样本的归一化熵值对其最终的训练损失进行加权；3随机选择两个样本，融合二者的数据和标签，给样本数量更少的类更大的融合权重；4在融合后的数据样本上，同时使用1和2的损失加权项，训练神经网络模型，直到模型收敛。能有效地保证特征空间分布的均匀性，帮助深度学习模型学习好的特征表示，并以此提升模型在长尾分布下的精度和校准能力。

本发明授权基于特征空间分布均匀性的长尾分布方法在权利要求书中公布了：1.基于特征空间分布均匀性的长尾分布方法，用于使用卷积神经网络的所有领域，主要是图像分类、目标检测的计算机视觉相关领域,其特征在于包括以下步骤： 1在交叉熵损失的基础上根据每个类别的样本数量计算一个自适应的损失函数加权项； 2在训练的过程中，根据每个样本的归一化熵值对其最终的训练损失进行加权，具体步骤如下： 提出自适应校准损失ACCLoss，通过引入样本级别的margin调整损失函数；使用特征到类别中心之间的距离来衡量样本在特征空间当前区域的均匀性，信息熵表示样本到所有类别中心之间的距离，是到其他样本的距离的近似值： 由于特征到分类的最大余弦距离为1，且熵的范围与类别的数量有关，因此使用最大值log|K|； 将熵归一化到0到1的区间，以支持不同的数据集： 用每个样本的归一化熵来代替LDAM中恒定的超参数C，以自适应地调整损失值，得到所提出的自适应校准损失ACCLoss： 在此基础上，还提出延迟重加权训练方法，首先在学习速率收敛前对模型进行训练，然后用较小的学习速率进行重新加权；如上式所示，提出的ACC损失避免超参数，并从样本级别和类别级别两个方面调整损失，该策略在校准决策边界的同时，避免样本特征空间不均匀性； 3随机选择两个样本，融合二者的数据和标签，给样本数量更少的类更大的融合权重； 4在融合后的数据样本上，同时使用步骤1和步骤2的损失加权项，训练神经网络模型，直至模型收敛。

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大学，其通讯地址为：361005 福建省厦门市思明区思明南路422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”。

以上内容由龙图腾AI智能生成。