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！

龙图腾网获悉浙江工业大学申请的专利一种基于选择性原型损失函数的多标签图像分类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：CN120673126B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202510684278.3，技术领域涉及：G06V10/764；该发明授权一种基于选择性原型损失函数的多标签图像分类方法是由胡海根;陈宇翔;苏一平;陈琦;张笑钦设计研发完成，并于2025-05-26向国家知识产权局提交的专利申请。

本一种基于选择性原型损失函数的多标签图像分类方法在说明书摘要公布了：本发明公开了一种基于选择性原型损失函数的多标签图像分类方法，包括如下步骤：S1、获取原始图像数据集并进行预处理形成训练集，原始图像数据集中的全部图像具有MM个类别且各图像具有至少一个标签；S2、建立卷积神经网络模型并采用训练集进行训练，卷积神经网络模型利用选择性原型损失函数作为惩罚函数；S3、采用训练好的卷积神经网络模型对待测图像进行分类，获得对应类别的预测概率即为多标签图像分类结果。该方法具有识别更加准确和泛化能力更强的特点。

本发明授权一种基于选择性原型损失函数的多标签图像分类方法在权利要求书中公布了：1.一种基于选择性原型损失函数的多标签图像分类方法，其特征在于：所述基于选择性原型损失函数的多标签图像分类方法包括如下步骤： S1、获取原始图像数据集并进行预处理形成训练集，所述原始图像数据集中的全部图像具有M个类别且各图像具有至少一个标签； S2、建立卷积神经网络模型并采用训练集进行训练，所述卷积神经网络模型包括依次连接的骨干网络、语义解析模块、类别关系构建模块和类别概率预测模块，且所述卷积神经网络模型利用选择性原型损失函数作为惩罚函数； 所述选择性原型损失函数获取如下： S21、动态确定每个类别的原型数量，则第j个类别的原型数量公式如下： ； 其中，表示包含第j个类别的图像总数，表示预设的原型数量最大界限，； S22、采用KMeans算法分别对每个类别的全部语义特征进行聚类并选择聚类中心作为原型，获得全部类别的原型集合，所述原型集合公式如下： ； 其中， ； ； 其中，表示第j个类别的全部语义特征，表示第i个图像第j个类别的语义特征，表示第j个类别的第k个原型，，，N表示全部图像数量，表示含有第j个类别的图像数量，表示KMeans算法； S23、分别计算全部图像对应类别的语义特征和原型集合之间的余弦相似度和每个类别的概率置信度； S24、根据全部图像对应类别的语义特征和原型集合之间的余弦相似度和每个类别的概率置信度计算选择性原型损失函数，公式如下： ； 其中， ； 其中，表示判别准则，表示增大倍数，表示第i个图像第j个类别的余弦相似度，表示第j个类别的概率置信度，s表示预设超参数，表示第i个图像第j个类别的标签，第一条件函数表示若等于-1，则第一条件函数的值为，否则为0；第二条件函数表示若等于1，则第二条件函数的值为，否则为0；第三条件函数表示若等于0，则第三条件函数的值为，否则为0；表示概率置信度阈值，且若标签真实不存在概率小于概率置信度阈值，则视为对应图像包含第i个图像第j个类别的标签，否则，视为对应图像不包含第i个图像第j个类别的标签; S3、采用训练好的卷积神经网络模型对待测图像进行分类，获得对应类别的预测概率即为多标签图像分类结果。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。