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！

龙图腾网获悉南京理工大学申请的专利基于自适应类别均衡的含噪声标签图像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：CN116912568B 。

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：202310845587.5，技术领域涉及：G06V10/764；该发明授权基于自适应类别均衡的含噪声标签图像识别方法是由王琼;盛猛猛;孙泽人;姚亚洲设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本基于自适应类别均衡的含噪声标签图像识别方法在说明书摘要公布了：本发明提出了一种基于自适应类别均衡的含噪声标签图像识别方法。具体来说，首先设计了一种新颖的样本选择策略，在识别干净和噪声数据时增强自适应性和类平衡性。然后采用均值‑教师模型对含噪样本的标签进行修正。随后，提出了一种自适应和类别平衡的样本重加权机制，为检测到的噪声样本分配不同的权重。最后，在选择的干净样本上额外使用一致性正则化来提高模型的泛化性能。

本发明授权基于自适应类别均衡的含噪声标签图像识别方法在权利要求书中公布了：1.一种基于自适应类别均衡的含噪声标签图像识别方法，其特征在于，包括： 步骤1、构造带有噪声标签的图像识别训练数据集，并对数据进行强数据增强变换和弱数据增强变换； 步骤2、将弱数据增强变换后的图像输入深度神经网络进行特征提取和分类预测，基于预测结果确定全局阈值和局部阈值，并基于每个样本的给定标签预测置信度与自适应的全局和局部阈值对训练集进行划分，划分为噪声子集和干净子集； 步骤3、根据干净子集中所有样本对应的进行弱数据增强变换后的图像输入到深度神经网络得到的相应的预测概率和给定标签确定干净损失函数； 步骤4、将噪声子集中所有样本对应的进行弱数据增强变换后的图像输入到教师模型进行特征提取和分类预测，获得每个图像属于所有类别相应的预测置信度，将置信度最大的类别作为预测的类别结果，并将类别结果作为校正标签对应替换训练集中给定的标签； 步骤5、根据获取的校正标签以及相应的预测概率，确定交叉熵损失函数； 步骤6、计算干净子集弱数据增强后的分类类别标签和强数据增强之后的类别预测分布之间的一致性正则化损失函数； 步骤7：将干净损失函数、噪声损失函数和一致性损失函数进行线性加权，得到损失函数，反向更新深度神经网络权值，同时用更新后的深度神经网络权值更新教师模型；返回步骤2，直至达到设定的迭代次数，获得训练好的深度神经网络；利用更新后的深度神经网络识别含噪声标签图像。

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理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫街道200号南京理工大学；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。