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！

龙图腾网恭喜湖南大学申请的专利基于自适应对比学习的半监督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：CN119478591B 。

龙图腾网通过国家知识产权局官网在2025-04-11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：202510066177.X，技术领域涉及：G06V10/774；该发明授权基于自适应对比学习的半监督图像识别方法是由孙斌;黄乾锋;廖美祺;马付严;李树涛设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本基于自适应对比学习的半监督图像识别方法在说明书摘要公布了：本发明公开了一种基于自适应对比学习的半监督图像识别方法，本发明方法包括将有标签样本和无标签样本输入数据增强模块中得到增强样本；将增强样本输入特征编码器得到样本的特征嵌入和特征预测，计算有监督损失函数和自适应阈值；将无监督数据特征预测和自适应阈值对比，对无标签样本分别采用类感知模块和距离感知模块处理获得类感知损失函数和距离感知损失函数，同时计算无监督损失函数；将有监督损失、无监督损失、类感知损失、距离感知损失相加得到总损失函数，并训练机器学习模型。本发明通过设置自适应阈值，将置信分数不同的未标记样本分类处理，能够充分利用无监督数据，解决不同类别数据分布不均的问题，有效提升图像识别的准确性。

本发明授权基于自适应对比学习的半监督图像识别方法在权利要求书中公布了：1.一种基于自适应对比学习的半监督图像识别方法，其特征在于，所述方法包括：将采集到的图像数据集分为有标签样本和无标签样本，对有标签样本进行弱数据增强处理得到弱增强有标签样本，对无标签样本进行弱数据增强处理得到弱增强无标签样本，对无标签样本进行两次强数据增强处理得到强增强无标签样本Ⅰ和强增强无标签样本Ⅱ；将所述弱增强有标签样本输入经过预训练的特征编码器，得到弱增强有标签样本特征预测，根据弱增强有标签样本特征预测计算得到有监督损失函数；将所述弱增强无标签样本、强增强无标签样本Ⅰ和强增强无标签样本Ⅱ分别输入经过预训练的特征编码器，得到弱增强无标签样本特征预测、强增强无标签样本Ⅰ特征预测和特征嵌入、强增强无标签样本Ⅱ特征嵌入，并根据所述弱增强有标签样本特征预测和弱增强无标签样本特征预测计算自适应阈值；将所述弱增强无标签样本特征预测与所述自适应阈值进行比较，若弱增强无标签样本特征预测大于等于所述自适应阈值时，则根据所述弱增强无标签样本特征预测和强增强无标签样本Ⅰ特征预测计算无监督损失函数，并使用类别感知矩阵处理置信度大于等于自适应阈值的弱增强无标签样本特征预测，结合强增强无标签样本Ⅰ特征预测和特征嵌入以及强增强无标签样本Ⅱ特征嵌入，计算得到类感知损失函数；若弱增强无标签样本特征预测低于自适应阈值时，则将弱增强无标签样本特征预测低于自适应阈值的弱增强无标签样本置于距离感知模块中处理，得到距离感知损失函数；将所述有监督损失函数、无监督损失函数、类感知损失函数、距离感知损失函数相加，得到完整的总损失函数，使用总损失函数训练机器学习模型，应用机器学习模型对输入的图像进行识别。

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湖南大学，其通讯地址为：410000 湖南省长沙市岳麓区麓山南路1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”。