江苏大学奚叶婧获国家专利权
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！
龙图腾网获悉江苏大学申请的专利一种基于特征多样化的自监督图像对比学习方法、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：CN116503660B 。
龙图腾网通过国家知识产权局官网在2025-11-07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：202310504976.1，技术领域涉及：G06V10/764；该发明授权一种基于特征多样化的自监督图像对比学习方法、系统是由奚叶婧;冒志敏;马忠臣;马润泽;高慧萍;王广晨设计研发完成，并于2023-05-06向国家知识产权局提交的专利申请。
本一种基于特征多样化的自监督图像对比学习方法、系统在说明书摘要公布了：本发明公开了一种基于特征多样化的自监督图像对比学习方法、系统，包括模型训练和测试，在进行模型训练时，提取增强样本的高维特征向量即对应的低维特征向量，并对所述低维特征向量进行归一化；计算一张图像归一化后低维特征向量的相似概率，进而计算两个归一化后低维特征向量属于同一张图片的概率；由两个归一化后低维特征向量属于同一张图片的概率计算对比损失，由一张图像归一化后低维特征向量计算简单距离损失；在对比损失或简单距离损失上增加高秩正则化项，作为最终的损失函数。本发明能有效避免联合嵌入体系结构面临的模型坍塌问题。
本发明授权一种基于特征多样化的自监督图像对比学习方法、系统在权利要求书中公布了：1.一种基于特征多样化的自监督图像对比学习方法，其特征在于： 1对经典数据集中一个批次的N张图像进行裁剪和缩放，然后分成增强样本Xi和Xj，分别送入联合嵌入体系结构的上下分支； 2联合嵌入体系结构的训练 提取所述增强样本的高维特征向量h、h；基于所述高维特征向量h、h，提取对应的低维特征向量z、z，并对所述低维特征向量进行归一化； 计算一张图像归一化后低维特征向量的相似概率，进而计算两个归一化后低维特征向量属于同一张图片的概率； 由两个归一化后低维特征向量属于同一张图片的概率计算对比损失，由一张图像归一化后低维特征向量计算简单距离损失；在所述对比损失或简单距离损失上增加高秩正则化项，作为最终的损失函数； 3训练后的联合嵌入体系结构通过测试，确定top1和top5正确率，将正确率最高时的模型参数作为下游任务的模型参数。
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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励