咨询电话：13280638997
传真：0533-3110363
邮箱：kefu@shizifang.com
24小时咨询热线13280638997
24小时咨询热线著 录 项 目：
| 专利/申请号： | CN202210787416.7 | 专利名称： | 一种基于深度半监督模型的图像细粒度分类方法 |
| 申请日： | 2022-07-05 | 申请/专利权人 | 南通大学 |
| 专利类型： | 发明 | 地址： | 江苏省南通市崇川区啬园路9号 |
| 专利状态： | 已下证 查询审查信息 | IPC分类号： | G06V10/26 分类检索 |
| 公开/公告日： | 2024-09-20 | 转让价格： | 【平台担保交易】 |
| 公开/公告号： | CN115035302B | 交易状态： | 等待洽谈 搜索相似专利 |
| 浏览量： | 2 | 所属领域： | 计算机视觉 人工智能 机器学习 模式识别专利转让搜索 |
应用场景：工业质检中的缺陷检测与分类;生物多样性监测中的物种识别;医疗影像辅助诊断中的病灶定位;卫星遥感图像的土地覆盖类型细分
摘 要：本发明提供一种基于深度半监督模型的图像细粒度分类方法，包括以下步骤：S1、获取原始图片，提取原始图片图像特征，组成全局特征矩阵；S2、对原始图片进行超像素分割，计算得出成特征分配映射；S3、将全局特征矩阵和特征分配映射进行非线性特征编码，得到超像素局部区域特征；S4、检测每个部分的发生概率，利用对齐概率分布得到超像素区域发生概率正则化项；S5、创建半监督神经网络，根据超像素区域发生概率正则化项和损伤函数训练半监督神经网络；S6、用训练好的半监督神经网络进行图像细粒度分类。本发明能够准确高效地对手写数字和医学细胞图像进行细粒度分类，兼具更优的图像细粒度分类准确率。
| 交易方 | 企业 | 个人 |
| 买家 | 营业执照副本复印件（需盖公章） | 身份证复印件（签字） |
| 专利转让委托书（需盖公章）一式两份 | 专利转让委托书（需签字）一式两份 | |
| 专利转让协议（需盖公章）一式两份 | 专利转让协议（需签字）一式两份 | |
| 卖家 | 营业执照副本复印件（需盖公章） | 身份证复印件（需申请人签字） |
| 解除代理委托书（需盖公章）一式两份（如专利通过代理机构申请） | 解除代理委托书（需签字）一式两份（如专利通过代理机构申请） | |
| 专利转让协议（需盖公章）一式两份 | 专利转让协议（需签字）一式两份 | |
| 专利请求书或手续合格通知书、授权通知书复印件 | 专利请求书或手续合格通知书、专利授权通知书复印件 | |
| 专利证原件（若授权下证） | 专利证原件（若授权下证） |
| 日期 | 法律信息 | 备注 |
| 2025/08/05 | 专利权的转移 | 登记生效日: 2025.07.18 专利权人由南通大学变更为深圳泓越信息科技有限公司 国家或地区由中国变更为中国 地址由226000 江苏省南通市崇川区啬园路9号变更为518000 广东省深圳市龙华区大浪街道横朗社区华兴路13号智云产业园A栋1104 |
| 2024/09/20 | 授权 | |
| 2022/09/30 | 实质审查的生效 | IPC(主分类): G06V 10/26 专利申请号: 202210787416.7 申请日: 2022.07.05 |
| 2022/09/09 | 公开 |
| 申请号 | 专利名称 | 发布日期 |
| 2019111789729 | 【发明】图片中目标的属性的确定方法和装置 | 2025/09/16 |
| 2022102361494 | 【发明】基于弱监督学习的域自适应实例分割方法及装置 | 2025/09/16 |
| 2023100458451 | 【发明】一种具有可学习稀疏性的端到端目标检测方法及系统 | 2025/09/12 |
| 2023102491295 | 【发明】融合视觉扩张机制和路径聚合的目标检测方法及系统 | 2025/09/11 |
| 2022104523258 | 【发明】一种用于违规图片检测的方法及图片检测引擎 | 2025/09/10 |
| 2021115556710 | 【发明】用户判别模型训练方法、用户判别方法及相关装置 | 2025/09/10 |
| 2019107919607 | 【发明】一种模型训练方法及装置 | 2025/09/10 |
| 2019108046345 | 【发明】一种训练样本的生成方法及装置 | 2025/09/10 |
| 2020110314424 | 【发明】一种发型识别方法及装置 | 2025/09/10 |
| 2024108089197 | 【发明】基于注意力机制和轻量化卷积的遥感图像目标检测方法 | 2025/09/10 |
