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！

龙图腾网获悉南京大学申请的专利一种基于不确定性感知的图像分类模型回归误差消减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：CN116486150B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202310425757.4，技术领域涉及：G06V10/764；该发明授权一种基于不确定性感知的图像分类模型回归误差消减方法是由马晓星;徐经纬;曹春;吕建;李泽南;张茂润设计研发完成，并于2023-04-20向国家知识产权局提交的专利申请。

本一种基于不确定性感知的图像分类模型回归误差消减方法在说明书摘要公布了：本发明公开一种基于不确定性感知的图像分类模型回归误差消减方法，面向图像分类模型在图像数据更新或模型架构更新后，新版本图像分类模型难以兼容旧版本图像分类模型的问题。使用模型集成策略，估计并根据新旧两个图像分类模型在预测结果中的不确定性，得到模型的集成预测结果。其中集成策略针对无数据data‑free和少量无标签数据label‑free两种情形下分别讨论。对于无数据情形，采用图像扰动或模型扰动的方式来估计图像分类模型的不确定性；对于少量无标签数据情形，采用温度缩放的方式校准旧版本图像分类模型的不确定性，使之向新版本图像分类模型对齐。本发明减少了回归误差，得到具有向前兼容性的集成图像分类模型；具有更佳的表现效果。

本发明授权一种基于不确定性感知的图像分类模型回归误差消减方法在权利要求书中公布了：1.一种基于不确定性感知的图像分类模型回归误差消减方法，其特征在于，包括如下步骤：1图像分类模型更新时，分别独立训练得到图像分类的旧模型和新模型；2对于无数据的情形，采用图像扰动或模型扰动的策略来估计图像分类模型的不确定性；3对于拥有无标签数据的情形，采用温度缩放的策略校准旧模型的不确定性；4使用简单平均的模型集成方法得到集成模型； 所述3中，在可以获得部分无标记数据用来减少图像分类模型回归错误时，此时使用温度缩放技术处理回归错误，对图像分类的旧模型进行温度缩放得到，通过使用均方误差MSE来衡量模型不确定性，实现： 使用一组不带标记的图像数据，在这组不带标记的图像数据上，对旧模型进行温度缩放得到，并求解最佳的温度使得；对于最佳温度的求解，使用具有多个初始点的拟牛顿法L-BFGS进行求解； 对于之后的输入图像，每次都是使用这个温度值而无需改变，然后通过下面的表达式得到集成模型的预测输出： 。

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南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163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。