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！

龙图腾网获悉江西师范大学申请的专利基于自校准负向学习的半监督人脸表情识别方法及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：CN121170880B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511723772.2，技术领域涉及：G06V40/16；该发明授权基于自校准负向学习的半监督人脸表情识别方法及系统是由叶继华;应亮;刘东;黄荟源;徐梓萌;童越;江爱文设计研发完成，并于2025-11-22向国家知识产权局提交的专利申请。

本基于自校准负向学习的半监督人脸表情识别方法及系统在说明书摘要公布了：本发明涉及计算机视觉领域，提出一种基于自校准负向学习的半监督人脸表情识别方法及系统，通过设计一种类中心对比模块，使用动量更新的类中心、类别置信度和自适应阈值，稳固了高置信样本并驱动类内聚集，还设计了一种Top‑K引导伪标签优化模块，对低置信的模糊样本采用Top‑K引导伪标签优化，施加负一致性优化与低质量对比损失优化，以加强模糊样本信息的利用。

本发明授权基于自校准负向学习的半监督人脸表情识别方法及系统在权利要求书中公布了：1.一种基于自校准负向学习的半监督人脸表情识别方法，其特征在于，包括： 获取面部表情图像并进行预处理，将预处理后的面部表情图像进行数据划分处理，以获取有标签数据集和无标签数据集； 对所述有标签数据集和无标签数据集分别进行增强处理，以获取弱增强有标签数据集、弱增强无标签数据集和强增强无标签数据集，所述增强处理包括弱增强处理和强增强处理； 对所述弱增强有标签数据集、弱增强无标签数据集和强增强无标签数据集分别进行特征提取，以获取弱增强有标签数据集输出特征、弱增强无标签数据集输出特征和强增强无标签数据集输出特征； 根据Top-K引导伪标签优化模块对所述弱增强无标签数据集输出特征进行可靠样本划分，以提取无标签样本可靠子集，再根据Top-K引导算法对剩余的所述弱增强无标签数据集输出特征与所述强增强无标签数据集输出特征进行伪标签优化，所述伪标签优化包括负学习优化和低质量对比损失优化； 所述根据Top-K引导伪标签优化模块对所述弱增强无标签数据集输出特征进行可靠样本划分，以提取无标签样本可靠子集的步骤，具体包括： 将弱增强无标签数据集输出特征和弱增强无标签数据集预测值输入Top-K引导伪标签优化模块，对所述弱增强无标签数据集预测值进行加权平均处理，以获取平均样本预测概率分布，所述平均样本预测概率分布具体如下： ， 其中，表示平均样本预测概率分布，和分别表示两次弱增强处理分别获取的弱增强无标签数据集对应的弱增强无标签数据集预测值； 根据所述平均样本预测概率分布进行可靠样本划分，若所述平均样本预测概率分布的最大概率所对应的类别置信度大于类别自适应阈值，则将对应的弱增强无标签数据集输出特征判定为可靠样本，并划分到无标签样本可靠子集； 将所述无标签样本可靠子集输入到类中心对比模块，再对弱增强无标签数据集中的剩余弱增强无标签数据集输出特征进行伪标签优化； 根据类中心对比模块对所述弱增强有标签数据集输出特征进行可靠样本划分，以获取有标签样本模糊子集和有标签样本可靠子集，根据所述有标签样本模糊子集、所述有标签样本可靠子集和所述无标签样本可靠子集进行类中心更新，以获取类别预测结果，所述可靠样本划分基于类别置信度和类别自适应阈值。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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。