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！

龙图腾网获悉沈阳理工大学申请的专利一种基于主动学习的图像标注系统分类器的构建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：CN115880531B 。

龙图腾网通过国家知识产权局官网在2026-01-20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：202211580248.0，技术领域涉及：G06V10/764；该发明授权一种基于主动学习的图像标注系统分类器的构建方法是由宁佳绪;王翔鹤;姜月秋;杨威;刘汝慧设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本一种基于主动学习的图像标注系统分类器的构建方法在说明书摘要公布了：本发明提供一种基于主动学习的图像标注系统分类器的构建方法，涉及图像标注分类技术领域。该方法包括基于集成学习的训练分类器阶段和基于改进的委员会投票方法训练分类器阶段。基于集成学习的训练分类器阶段根据每次每个分类器分类的准确度对分类器进行权重更新，使分类性能好的分类器再进行下一阶段样本投票的时候具有更高的权重，同时，让分类效果较差的分类器在投票时具有较低的权重。基于改进的委员会投票方法训练分类器阶段，将投票熵和相对熵相结合，去度量投票结果的差异性；并且采用余弦相似度的均值来度量未标注样本与所有已标注样本之间的相似性，避免数据冗余，保证了样本的多样性，促进了分类器效率和分类准确度的提升。

本发明授权一种基于主动学习的图像标注系统分类器的构建方法在权利要求书中公布了：1.一种基于主动学习的标注系统分类器的构建方法，其特征在于： 收集图像样本，对其中部分影像进行标注得到已标注样本集，则其他未标注图像组成未标注样本集；将已标注样本集用作训练集； 根据已有的类标签数据建立多个弱分类器，由多个弱分类器组成委员会，作为分类器模型； 基于集成学习算法对委员会成员进行迭代训练； 采用迭代训练后的委员会成员进行分类，利用分类结果更新委员会成员的权重和训练集中各样本的权重； 基于委员会投票的主动学习方法训练分类器模型，得到新的训练集； 使用新的训练集训练分类器模型； 所述基于委员会投票的主动学习方法训练分类器模型，得到新的训练集的具体方法为： 步骤B1、用委员会中训练好的每个分类器对训练集中所有样本进行预标记，对各分类器进行迭代训练； 步骤B2、委员会成员对未标注样本集中样本进行预标记，每个未标注样本会获得一个分类标签； 步骤B3、每个委员会成员选出自己分类结果中置信度低于阈值的样本；对所有置信度低于阈值的样本取并集得到整体的置信度低于阈值的样本集； 步骤B4、分类器模型中的各个分类器，即委员会中的各个成员对这些置信度低于阈值样本进行投票；基于投票结果，选出投票熵高于阈值的样本； 步骤B5、对于投票熵低于阈值的样本，计算其相对熵，根据相对熵阈值进行样本的选择，选出相对熵高于阈值的样本； 步骤B6、将筛选出来的相对熵高于阈值的样本进行相似性检验：用余弦相似度对筛选出来的样本与训练集中的样本进行相似度检验，将相似度均值结果高于阈值的样本从未标注样本集U中删除； 步骤B7、从未标注样本集U中选出u个样本，将这u个样本进行人工标注； 步骤B8、对已标注样本集合L和未标注样本集U进行更新，先将人工标注后的样本注入到训练集中，得到新的训练集，再从未标注样本集U中将这u个样本删除掉。

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沈阳理工大学，其通讯地址为：110159 辽宁省沈阳市浑南新区南屏中路6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。