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！

龙图腾网获悉安徽大学申请的专利一种深度自步主动图像聚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：CN117475185B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202311483804.7，技术领域涉及：G06V10/762；该发明授权一种深度自步主动图像聚类方法是由周芃;赵贺林设计研发完成，并于2023-11-07向国家知识产权局提交的专利申请。

本一种深度自步主动图像聚类方法在说明书摘要公布了：本发明公开一种深度自步主动图像聚类方法，步骤一、获取图像数据集及相应数据标签，合并训练集与测试集；步骤二、预训练神经网络；步骤三、使用神经网络提取所有图像数据特征，并在特征上运行K‑means聚类方法得到聚类结果；步骤四、根据聚类结果计算每个图像数据的权重，进而选出图像数据进行人工标注，得到新的有标签图像数据集和无标签图像数据集；步骤五、使用新图像数据集训练网络；重复步骤三到步骤五直至标注预算用完；步骤六、使用分类器得到最终结果，对结果进行评估；本发明通过在深度图像聚类的基础上引入主动学习与自步学习，帮助找出图像数据集中既具代表性又具一定困难度的样本与具有高置信度的样本，并分别赋予真实标签与伪标签。

本发明授权一种深度自步主动图像聚类方法在权利要求书中公布了：1.一种深度自步主动图像聚类方法，其特征在于：所述深度自步主动图像聚类方法包括以下步骤： 步骤一、获取带有标签的图像数据集，将训练集与测试集合并为训练集； 步骤二、使用对比损失预训练ConvNeXt神经网络； 步骤三、使用预训练的神经网络提取图像数据集各图像数据的特征，对提取到的特征使用K-means方法进行聚类，得到聚类结果； 步骤四、根据聚类结果得到每个样本的自步权重，将既具有代表性又具有高自步权重的图像样本进行人工标注，对剩余图像数据中高自步权重样本赋予相应伪标签；将新的有标签图像数据从无标签图像数据集中剥离，与有标签图像数据集合并，得到新的有标签图像数据集与无标签图像数据集； 基于步骤三得到的聚类结果，计算每个样本的自步权重，也即置信度，每个数据的自步权重计算如下：； 其中，表示自步学习的超参数，表示数据经过神经网络抽取的特征与数据所属簇的中心之间的二范数，表示神经网络参数， 数据的代表性使用数据的紧凑度来表示，其计算公式如下： ； 其中，表示离样本最近的个样本集合； 步骤五、对有标签图像数据集使用交叉熵损失与中心损失训练神经网络，对于无标签图像数据集只使用中心损失训练神经网络； 重复步骤三到步骤五直至标注预算用完； 步骤六、使用神经网络获取所有数据特征，经过softmax层，取得最终聚类结果，结合聚类结果评价指标对模型进行评估。

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安徽大学，其通讯地址为：230601 安徽省合肥市经开区九龙路111号安徽大学理工D楼401室；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。