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！

龙图腾网获悉南京工业大学申请的专利面向损伤类别不平衡的航空发动机半监督语义分割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：CN117576398B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202311597758.3，技术领域涉及：G06V10/26；该发明授权面向损伤类别不平衡的航空发动机半监督语义分割方法是由万夕里;吴靖康;管昕洁设计研发完成，并于2023-11-28向国家知识产权局提交的专利申请。

本面向损伤类别不平衡的航空发动机半监督语义分割方法在说明书摘要公布了：一种面向损伤类别不平衡的航空发动机半监督语义分割方法，本方法使用一个具有类别平衡模块和类别感知损失函数的学生‑教师模型，整个方法分为源模型和目标模型的训练两个部分，首先，使用有标签图像以全监督的方式去训练源模型，根据网络的预测结果和真实标签计算模型损失，反向传播更新网络权重，训练结束之后保存网络权重；然后，用源模型的网络权重初始化目标模型中的学生和教师模型，输入的是无标签图像，对所有的无标签图像进行弱和强数据增强后分别输入到教师模型和学生模型中训练；接着，使用教师模型得到的像素特征输入到类别平衡模块中进行再训练得到类别感知权重；最后，使用类别感知权重计算无监督一致性损失，反向传播更新网络权重。

本发明授权面向损伤类别不平衡的航空发动机半监督语义分割方法在权利要求书中公布了：1.一种面向损伤类别不平衡的航空发动机半监督语义分割方法，其特征在于：使用一个源模型以及一个目标模型对航空发动机损伤图像进行检测；所述源模型是全监督训练的深度学习网络；所述目标模型是具有类别平衡模块和类别感知损失函数的学生-教师网络；目标模型使用源模型训练得到的网络权重； 最终，部署学生-教师网络来实现面向损伤类别不平衡的航空发动机半监督语义分割； 检测方法包括以下步骤： 步骤一、对航空发动机裂纹损伤的图像数据集进行处理，对一部分的损伤图像进行像素级人工标注，得到有标签图像；并初始化源模型的网络权重； 步骤二、训练源模型：输入的是有标签图像， 首先，对有标签图像进行强数据增强，得到源模型中的强数据增强图像； 然后，将强数据增强图像输入到源模型当中进行训练； 在源模型的网络中，通过将有标签图像的标签作为监督，计算有标签图像的全监督损失及其梯度下降；根据梯度下降结果更新网络权重；最后保存训练完的源模型的网络权重； 步骤三、训练目标模型：输入的是无标签图像； 首先，使用网络权重对学生网络和教师网络进行初始化； 接着，对所有的无标签图像进行弱数据增强，得到目标模型中的弱数据增强图像；对所有的无标签图像进行强数据增强，得到目标模型中的强数据增强图像； 然后，将得到弱数据增强图像和强数据增强图像分别输入到教师网络和学生网络中进行训练； 在教师网络和学生网络中，通过将教师网络生成的预测作为对学生网络的监督，计算教师网络预测与学生网络预测的一致性损失； 步骤四、针对类别平衡模块： 首先，将每一轮训练中教师网络的像素特征值都存储到特征库Featurebank中，像素预测值存储到预测库Predictionbank中，目标模型的每一轮训练都会对特征库Featurebank和预测库Predictionbank进行更新； 接着，将像素特征值输入到辅助模型中进行再训练；在辅助模型中，使用像素预测值作为监督，计算全监督损失及其梯度下降；根据梯度下降结果更新辅助模型的网络权重，得到更加准确的辅助模型的像素预测值； 辅助模型训练完成后，使用像素预测值计算出类别感知权重； 类别感知权重的计算公式为： ； 其中，是每个类别的像素数量，是背景类别的像素数量，是指数项超参数； p和q表示图像中的损伤类别，p=0表示是背景类别，p=分别对应的不同的损伤类别；C是损伤类别的总数；和表示相应损伤类别的像素数量占总像素数量的比例； 步骤五、通过类别感知权重和一致性损失求得总的无监督一致性损失及其梯度下降；然后根据梯度下降结果更新学生网络的权重；再使用指数移动平均的方法更新教师网络的权重，最后在验证集上进行性能验证； 总损失计算公式为：。

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工业大学，其通讯地址为：211816 江苏省南京市江北新区浦珠南路30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。