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！

龙图腾网获悉东北大学申请的专利一种基于半监督学习的图像标注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：CN115719432B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202211453770.2，技术领域涉及：G06V10/764；该发明授权一种基于半监督学习的图像标注方法是由张宸;刘礼铭;董少奇;刘席郡;张长胜;张斌设计研发完成，并于2022-11-21向国家知识产权局提交的专利申请。

本一种基于半监督学习的图像标注方法在说明书摘要公布了：本发明提供一种基于半监督学习的图像标注方法，涉及机器学习及图像处理技术领域。该方法可以看成基于两个阶段实现，即基于协同运算的半监督学习阶段和基于TSVM的半监督学习阶段。基于协同运算的半监督学习阶段用于完成对于未标记样本集中占绝大多数的易标注样本的标注任务，控制每次训练标注的样本数，同时对训练集中样本的个数也进行了很好地控制；减轻了SVM分类器的负担，保证了分类的准确率。基于TSVM的半监督学习阶段用于完成剩余未标记样本的标注任务，将基于协同运算的半监督学习阶段已经标注完成的已标记样本和剩余的未标记样本都运用到训练之中，并且在训练过程中融入了集成学习的方法训练分类器的权重和训练集样本的权重。

本发明授权一种基于半监督学习的图像标注方法在权利要求书中公布了：1.一种基于半监督学习的图像标注方法，其特征在于：使用三个分类器进行训练标注，通过基于协同运算的半监督学习阶段和基于TSVM的半监督学习阶段实现；其中，基于协同运算的半监督学习阶段用于完成对于未标记样本集中易标注样本的标注任务，控制每次训练标注的样本数，同时对训练集中样本的个数进行控制；基于TSVM的半监督学习阶段用于完成剩余未标记样本的标注任务，将基于协同运算的半监督学习阶段已经标注完成的已标记样本和剩余的未标记样本都运用到训练之中，并且在训练中融入集成学习的方法训练分类器的权重和训练集样本的权重； 所述基于协同运算的半监督学习阶段包括以下步骤： 步骤1：收集医学影像，并对其中部分影像进行标注得到已标注样本集L，则其他未标注影像组成未标注样本集U；同时构建三个SVM分类器G1、G2和G3和缓冲池； 步骤2：将已标注样本集L平均分成三个已标注样本子集h1、h2、h3，已标注样本子集h1、h2、h3将分别用于对三个分类器G1、G2和G3的训练；然后从未标注样本集U中随机选择数量为u的样本，放入缓冲池中； 步骤3：使用已标注样本子集h1对分类器G1进行训练得到更新后的分类器，并对样本子集h1进行去重更新；用更新后的分类器对缓冲池中的未标注样本进行预标记并计算置信度，将置信度大于设定阈值的样本同时加入另外两个已标注样本子集h2、h3中，同时从未标注样本集U中选取样本向缓冲池中补充未标记样本；然后对分类器G2和G3以及样本子集h2和h3分别进行与分类器G1和样本子集h1相同流程的训练和去重更新，得到更新后的分类器和，并对更新后的三个样本子集进行汇总； 步骤4：迭代执行步骤3，直到未标注样本集U中没有剩余样本，得到m轮训练后的分类器、和； 所述基于TSVM的半监督学习阶段包括以下步骤： 步骤S1：将基于协同运算的半监督学习阶段所有去重处理后的已标注样本子集h1、h2和h3中的样本汇总成已标注样本集Lt中，对TSVM分类器的各项参数进行初始化，以及为缓冲池中的各个未标注样本及Lt中的各个已标注样本设置影响因子、为已标注样本和未标注样本设置各自的松弛变量；用步骤4中经m轮训练得到的分类器对Lt中的所有样本进行预标记，根据预标记结果更新分类器的权重，然后将分类器标记错误的样本加入到下一个分类器的训练样本集； 步骤S2：分别对基于协同运算的半监督学习阶段训练后得到的分类器和重复步骤S1的训练过程，得到训练后的分类器和；三个分类器训练结束后，得到缓冲池中所有未标注样本的标注结果和分类器、和的权重，然后将三个分类器对缓冲池中所有未标注样本的标注结果按分类器的权重比例相加得到缓冲池中所有未标注样本的最终标注结果。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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。