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！

龙图腾网获悉武汉极目智能技术有限公司申请的专利基于深度学习的半监督数据自动标注方法、计算机设备及存储介质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：CN115759244B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202211547222.6，技术领域涉及：G06N3/0895；该发明授权基于深度学习的半监督数据自动标注方法、计算机设备及存储介质是由王汝卓;王雅儒;程建伟设计研发完成，并于2022-11-29向国家知识产权局提交的专利申请。

本基于深度学习的半监督数据自动标注方法、计算机设备及存储介质在说明书摘要公布了：本发明提供了一种基于深度学习的半监督数据自动标注方法、计算机设备及存储介质，方法包括：获取帧对齐的待标注多模态数据集；对待标注数据集中部分数据人工标注，将待标注数据集划分为已标注数据集和未标注数据集；基于BEV深度学习算法对未标注数据集进行自动标注，获取已标注数据集和新的未标注数据集；对新的未标注数据集是否为空进行判断；若新的未标注数据集不为空，则基于二分类深度学习算法，对新的已标注数据集和新的未标注数据集进行评估。本发明设计的方法采用半监督的方式对数据集进行自动标注，同时采用二分类深度学习算法对标注的结果进行评估及优化，能够大大提高自动标注的深度学习算法输出的标注结果的精度。

本发明授权基于深度学习的半监督数据自动标注方法、计算机设备及存储介质在权利要求书中公布了：1.一种基于深度学习的半监督数据自动标注方法，其特征在于，包括以下步骤： S1、获取待标注数据集，其中，所述待标注数据集中包括由帧对齐的激光点云与多目图像形成的多模态数据集； S2、对所述待标注数据集中部分数据人工标注，将待标注数据集划分为已标注数据集和未标注数据集； S3、基于BEV深度学习算法对所述未标注数据集进行自动标注，获取已标注数据集和新的未标注数据集，包括：S31、用预训练BEV深度学习算法对所述已标注数据集进行迁移训练，获得微调BEV深度学习算法；S32、依据所述微调BEV深度学习算法对未标注数据集自动标注，并结合置信度阈值，将所述未标注数据集划分为高置信度数据集和低置信度数据集；S33、将所述已标注数据集与所述高置信度数据集合并形成新的已标注数据集，将所述低置信度数据集作为新的未标注数据集并进入步骤S4中对其是否为空进行判断； S4、对所述新的未标注数据集是否为空进行判断； 若所述新的未标注数据集为空，则完成待标注数据集的自动标注； 若所述新的未标注数据集不为空，则进入并执行S5； S5、基于二分类深度学习算法，对所述新的已标注数据集和所述新的未标注数据集进行评估，包括：S51、将所述新的已标注数据集中数据标记为0，将所述新的未标注数据集中数据标记为1； S52、用预训练二分类深度学习算法对所述新的已标注数据集和所述新的未标注数据集进行迁移训练，获得一次微调二分类深度学习算法； S53、将所述新的已标注数据集和所述新的未标注数据集输入所述一次微调二分类深度学习算法中，输出新的已标注数据集和新的未标注数据集中每个数据的二分类的置信度，形成带二分类置信度的数据集； S54、按照二分类置信度值对所述带二分类置信度的数据集降序排列，提取排序靠前的n个数据，形成新数据集； S55、计算所述新数据集与所述新的未标注数据集的重合度； S56、将重合度与重合度阈值比较； 若重合度＞重合度阈值，判断所述新数据集与所述新的未标注数据集差异小，则对所述新的未标注数据集中数据进行人工标注及校准； 若重合度＜重合度阈值，判断所述新的已标注数据集中数据标注结果不可用。

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武汉极目智能技术有限公司，其通讯地址为：430040 湖北省武汉市武汉东湖新技术开发区高新大道999号武汉新能源研究院大楼G6-1501(自贸区武汉片区)；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。