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！

龙图腾网获悉南京航空航天大学申请的专利一种基于样本不确定性估计的在线测试时自适应目标识别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：CN119339127B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202411287570.3，技术领域涉及：G06V10/764；该发明授权一种基于样本不确定性估计的在线测试时自适应目标识别方法是由孙涵;孟新茹设计研发完成，并于2024-09-13向国家知识产权局提交的专利申请。

本一种基于样本不确定性估计的在线测试时自适应目标识别方法在说明书摘要公布了：本发明公开了一种基于样本不确定性估计的在线测试时自适应目标识别方法，属于计算机视觉技术领域，本发明方法包括：首先下载数据集并进行增广；然后将各个批次数据按顺序送入源域模型，通过源域模型对当前批次数据得到两次评估，计算出每个样本的不确定性值；对该批次样本进行模型学习并对模型训练更新；最后使用已学习当前批次目标数据的模型对样本进行预测，得到该批次样本分类结果。本发明很好地解决了目前在线测试时适应框架中无法获取到目标域数据并需要进行实时识别的问题，提高了在线测试时智能交通对车辆目标物体识别的准确率。

本发明授权一种基于样本不确定性估计的在线测试时自适应目标识别方法在权利要求书中公布了：1.一种基于样本不确定性估计的在线测试时自适应目标识别方法，其特征在于，包括以下步骤： 步骤1：数据集获取过程：首先下载数据集并将数据集进行增广； 步骤2：神经网络适应过程：使用模型对当前批次数据进行两次评估，计算出每个样本的不确定性值，进行模型学习更新；具体包括以下步骤： 步骤2-1：利用神经网络的drop层作为不确定性估计的基础，对每个样本x进行两次模型评估，得到模型两次预测结果； 步骤2-2：对两次模型评估结果进行差异计算，得到每个样本的不确定性估计值，对两次模型评估结果进行差异计算的计算公式如下： ， 其中C表示类别数；表示当前所属C类别时的概率值；t表示第t次模型预测结果，T表示进行模型预测次数； 步骤2-3：对原本的基于熵的域适应损失进行优化，根据样本的不确定值作为损失权重进行加权，以网络输出作为计算值，依据不确定性权重值计算损失，加权损失为： ， 其中C表示类别数，C的取值为1,2,3……C，表示所属C类别时的概率值； 步骤2-4：在神经网络上设置适应超参数网络训练的学习率以及batchsize值，使用Adam优化器进行优化； 步骤3：测试图像识别过程：使用已学习当前批次目标数据的模型对样本进行预测，得到该批次样本分类结果，具体包括以下步骤： 步骤3-1：将测试图像以及两个增广图像送入已更新学习的神经网络中； 步骤3-2：经过神经网络的卷积操作进行特征提取并经过全连接层进行预测分类得到模型对原始图像以及两个增广图像的预测，获取三个预测结果； 步骤3-3：将三个预测结果进行平均计算，获得最终结果。

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南京航空航天大学，其通讯地址为：213300 江苏省常州市溧阳市滨河东路29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。