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基于多目标优化的深度神经网络测试图片选择方法与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：CN116403067B 。

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：202310227765.8，技术领域涉及：G06V10/774；该发明授权基于多目标优化的深度神经网络测试图片选择方法与系统是由黄志球;郝耀;李伟湋设计研发完成，并于2023-03-10向国家知识产权局提交的专利申请。

本基于多目标优化的深度神经网络测试图片选择方法与系统在说明书摘要公布了：本发明公开了一种基于多目标优化的深度神经网络测试图片选择方法与系统，用来提升图像识别系统的准确性。本发明首先收集不同应用场景下的图片测试数据作为预训练的图像识别模型的原始图片测试集。然后根据图片测试集大小设计图片测试子集选择个体，并设计图片测试子集的不确定性和多样性两个指标，使用多目标优化算法NSGA‑II来对问题求解，最终得到Pareto最优解集。最后根据Pareto最优解集获得最优图片测试子集，对预训练的图像识别模型进行重训练，以提高模型的准确性。本发明引入了图片测试子集的不确定性和多样性两个指标，使得模型在重训练的时候可以学习到更多样化的特征，从而取得更好的重训练效果，更大限度地提升图像识别系统的质量。

本发明授权基于多目标优化的深度神经网络测试图片选择方法与系统在权利要求书中公布了：1.一种基于多目标优化的深度神经网络测试图片选择方法，其特征在于，包括如下步骤： 收集不同应用场景下的图片测试数据作为预训练的图像识别模型的原始图片测试集； 根据图片测试集的大小，生成多目标优化算法NSGA-II的初始种群，种群中的每一个个体都是一个维向量，个体向量的每一维用实数来表示对应位置的测试图片被选择的权重；其中每个个体对应一个图片测试子集，将个体中元素从大到小排序后，选取预设数目的对应位置上的测试图片构成图片测试子集； 以最大化图片测试子集的不确定性和多样性为目标，使用NSGA-II算法进行种群迭代求解，得到Pareto最优解集，每一个Pareto最优解都是一个维向量，每一维的实数表示对应位置的测试图片被选择的权重； 根据Pareto最优解集对应的最优图片测试子集，对预训练的图像识别模型进行重训练； 图片测试子集的不确定性的形式化表示为： ； 其中，表示图片测试子集的不确定性；是图片测试子集中任意一个测试图片，是图像识别模型分类的类别数目；表示测试图片属于类别的概率； 图片测试子集的多样性的形式化表示为： ； 其中，表示图片测试子集的多样性；和是图片测试子集中任意两个不同的测试图片；表示测试图片和之间的欧氏距离。

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：210016 江苏省南京市秦淮区御道街29号南京航空航天大学；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。