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！

龙图腾网获悉广州大学申请的专利一种利用自适应双阈值来进行半监督学习的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：CN114842294B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202210461817.3，技术领域涉及：G06V10/774；该发明授权一种利用自适应双阈值来进行半监督学习的方法是由王员根;梁泽琛设计研发完成，并于2022-04-28向国家知识产权局提交的专利申请。

本一种利用自适应双阈值来进行半监督学习的方法在说明书摘要公布了：本发明涉及半监督学习技术领域，且公开了一种利用自适应双阈值来进行半监督学习的方法，包括以下步骤，S1、对于有标签数据，对其进行弱增广之后输入模型，将预测结果与其所属标签求交叉熵损失，S2、在利用无标签数据对模型进行训练时，为每一类提取一个自适应阈值，结合固定阈值和类自适应阈值组成了自适应双阈值，除利用固定阈值来确认高置信度的无标签数据外，还有预测值小于固定阈值但大于提取的类自适应阈值的无标签数据，对于这两种类型的无标签数据设计了不同的学习策略，S3、提出了一种新的相似损失来进一步挖掘相似无标签数据间的信息，充分利用了无标签数据中的有效信息。

本发明授权一种利用自适应双阈值来进行半监督学习的方法在权利要求书中公布了：1.一种利用自适应双阈值来进行半监督学习的方法，用于图像数据的数据标签及数据分类，包括以下步骤： S1、对于有标签数据，对其进行弱增广之后输入模型，将预测结果与其所属标签求交叉熵损失； S2、在利用无标签数据对模型进行训练时，为每一分类提取一个自适应阈值； S3、结合固定阈值和类自适应阈值组成了自适应双阈值，利用自适应双阈值来对无标签数据进行筛选，并对不同的无标签数据采取了不同的学习策略； S4、提出一种新的相似损失； 对于S3，具体来说当模型对一个无标签数据的弱增广版本的预测中最大值大于固定阈值时，将无标签数据的弱增广版本的预测分布转为one-hot标签并将其作为“锚”，与模型对其强增广版本的预测求交叉熵损失，若预测无法通过固定阈值，会用类自适应阈值再次对其进行筛选，若预测分布中最大值大于所属类自适应阈值，对其进行sharpen操作并作为“锚”，与模型对其强增强版本的预测求L2损失； 对于S4，所述新的相似损失定义为： 其中τ表示对于单个无标签数据的置信度阈值，为不同无标签数据之间的相似度阈值，Sim函数计算两个分布之间的相似度。

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广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230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。