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！

龙图腾网获悉东南大学申请的专利基于生成对抗网络的多样性主动学习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：CN116385834B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310374235.6，技术领域涉及：G06V10/774；该发明授权基于生成对抗网络的多样性主动学习方法是由俞菲;谢国烜;张翅;魏雯;杨绿溪设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本基于生成对抗网络的多样性主动学习方法在说明书摘要公布了：本发明公开一种基于生成对抗网络的多样性主动学习方法，并结合分类任务模型ResNet‑18在铁路列车故障检测相关数据集中实现了落地应用。该策略包括如下步骤：准备铁路列车故障图像分类数据集，选定分类任务模型，利用数据集训练生成对抗网络并生成合成样本；利用任务模型特征图进行合成样本与原有样本额特征提取与匹配；依据基于网络参数梯度范数的自适应选取决策进行样本筛选；最后引入K‑means++聚类算法作为多样性策略进行样本筛选；重复迭代上述样本生成与筛选步骤实现主动学习样本选取。该策略通过上述多维度策略结合，提高了主动学习决策性能，为缩减项目标注成本提供了有效帮助。

本发明授权基于生成对抗网络的多样性主动学习方法在权利要求书中公布了：1.一种基于生成对抗网络的多样性主动学习方法，其特征在于，所述方法包括如下步骤： 步骤S1：准备无标注的图像分类数据集并将其作为未标注样本池U，准备生成对抗网络作为合成样本生成器，准备图像分类任务模型M用于完成图像分类任务； 步骤S2：使用未标注样本池U训练步骤S1中的生成对抗网络，得到生成对抗网络中的用于合成样本生成器G；随机选取未标注样本池U中K个样本，作为第一批数据 X1＝{x11,x12,..,x1K}，训练分类任务模型M； 步骤S3：随机生成N个随机噪声，将其输入合成样本生成器G得到第i批生成样本集合 Yi＝{yi1,yi2,..,yiN} 步骤S4：首先选定分类任务模型M中的特定特征图FM用于样本的特征提取与匹配；将未标注样本池U中的所有样本输入分类任务模型M，得到各xij对应的特征图FMxij；对于样本集合Yi中的每一个yij，同样将其输入分类任务模型M，得到各样本对应的特征图FMyij；xij为样本x的特征图中各通道特征图分量的第i行第j列像素；yij为样本y的特征图中各通道特征图分量的第i行第j列像素； 步骤S5：利用主成分分析法PCA对步骤S4中得到的各xij对应的特征图FMxij进行降维；然后利用K-means++聚类算法对降维所得数据进行聚类，得到K个聚类中心；利用主成分分析法PCA对合成yij的特征图输出FMyij进行降维操作，计算降维所得数据与K个聚类中心的距离，并得到距离最近的聚类中心及其对应聚类簇a； 步骤S6：将处于聚类簇a中的所有xij与yij进行特征匹配，即计算特征差异分数SFxij,yij；然后选取特征差异分数SFxij,yij最小的样本aij；若该样本已被其他合成样本匹配，则选择次优样本作为样本aij； 步骤S7：将步骤S6所得样本aij与yij输入分类任务模型M进行分类预测；并将分类任务模型M对二者的最高预测置信度类别分别作为其伪标签，计算分类任务模型M的若干层网络参数的梯度范数分数TW，并选取样本aij与yij二者中梯度范数分数TW大者sj加入候选样本池中； 步骤S8：重复迭代上述步骤S6至S7，直至第i批生成样本集合中的N个合成样本均迭代完毕； 步骤S9：利用聚类算法求得候选样本池的K个聚类中心并选取距离各个聚类中心最近的样本si进行人工标注，并加入已标注样本池L，若样本si为未标注样本池U中的原有样本，则从池中移除该样本； 步骤S10：利用已标注样本池L中样本训练分类任务模型M； 步骤S11：重复迭代步骤S3到步骤S9，迭代次数达到预先设定值或是任务模型性能达到预期表现时停止迭代；最后利用分类任务模型M在图像分类数据集中进行分类应用。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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。