中国科学院深圳先进技术研究院周冬豪获国家专利权
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！
龙图腾网获悉中国科学院深圳先进技术研究院申请的专利基于信息熵最大化正则机制的深度多标签分类网络鲁棒训练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：CN116263995B 。
龙图腾网通过国家知识产权局官网在2026-01-09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：202111514507.5，技术领域涉及：G06V10/774；该发明授权基于信息熵最大化正则机制的深度多标签分类网络鲁棒训练方法是由周冬豪;陈广勇设计研发完成，并于2021-12-13向国家知识产权局提交的专利申请。
本基于信息熵最大化正则机制的深度多标签分类网络鲁棒训练方法在说明书摘要公布了：本发明公开了基于信息熵最大化正则机制的深度多标签分类网络鲁棒训练方法，旨在解决每个样本仅有单个正标签且其余标签均缺失的情况下，深度多标签分类网络的鲁棒学习问题，利用基于信息熵最大化的二元交叉熵损失函数正则化机制解决SPML问题，目的是最大化深度多标签分类网络对于未知标签预测概率的信息熵，使得模型可以免受假阴性标签噪声的影响，利用真实正标签提供的监督信息进行学习，并对未知标签做出可区分性较强的预测，方法易于实现，不会引入额外的可学习参数，同时能够与任意的深度多标签分类网络相结合，适合处理超大规模多标签图像数据集。
本发明授权基于信息熵最大化正则机制的深度多标签分类网络鲁棒训练方法在权利要求书中公布了：1.基于信息熵最大化正则机制的深度多标签分类网络鲁棒训练方法，其特征在于，包括：深度多标签分类网络对于每一个样本的每一个未知标签的预测均视为一个离散随机变量，包括预测为正标签和预测为负标签两种事件，预测为正标签的概率即为深度多标签分类网络输出的未知标签预测概率，控制深度多标签分类网络输出的未知标签预测概率的信息熵最大化； 所述方法中假设给定一个仅有单个正标签的样本对，其中为第n个输入图像，为第n个图像对应的标签向量，则损失函数为： 其中，是模型关于的输出，是模型在第c个类上的预测概率，C是类别数； 所述正则化项定义为： 其中，α为控制正则化强度大小的超参数。
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中国科学院深圳先进技术研究院，其通讯地址为：518055 广东省深圳市南山区深圳大学城学苑大道1068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