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！

龙图腾网恭喜杭州拓麦科技有限公司申请的专利图形化机器学习算法平台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：CN119540262B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202510101474.3，技术领域涉及：G06T7/11；该发明授权图形化机器学习算法平台是由钱海龙;张帆;何德伟设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本图形化机器学习算法平台在说明书摘要公布了：本申请公开了图形化机器学习算法平台，包括：信息输入模块，用于输入需要处理的图像信息，以对图像信息进行预处理；信息分割模块，对图像信息进行过分割，以得到若干个小块；信息描述模块，对于每个小块提取所有面片的几何特征，并从中筛选出一个几何特征以作为该小块的标准特征；本申请所提供的技术方案中，相比较于现有方案中的需要对每个面片都进行标注的特点，本方案中，对于每个小块用一个面片的几何特征来作为该小块的标准特征，所以相比较于而言，需要标注的数据将会急剧减少，进而减少了学习算法的构建成本。

本发明授权图形化机器学习算法平台在权利要求书中公布了：1.一种图形化机器学习算法平台，其特征在于：包括：信息输入模块，用于输入需要处理的图像信息，以对图像信息进行预处理；信息分割模块，对图像信息进行过分割，以得到若干个小块；信息描述模块，对于每个小块提取所有面片的几何特征，并从中筛选出一个几何特征以作为该小块的标准特征；预测模块，获取每个小块的标准特征，基于标准特征之间的差异自动对图像进行分割并标注实体；预测模块包括：初始化单元，对每个小块进行初始化，将小块的标签初始化为零；迭代单元，随机选择一个小块i，根据小块i的状态信息选择一个分割标签，状态信息包括小块的标准特征、相邻小块的平均标准特征以及相邻的其余小块的标签分布；奖励计算单元，计算小块i赋予的分割标签的奖励值rt；循环单元，引导迭代单元不断循环，直至获得最大的累积奖励值R；在迭代单元中：状态信息包括Swi、Sei、Sli；小块i的标准特征为Swi、相邻小块的平均标准特征为Sei、相邻的其余小块的标签分布为Sli；Sei={E1i、E2i、E3i…Eei…}，其中，Eei是小块i相邻的其余小块中第e个小块的标准特征；Sli={L1i、L2i、L3i…Lli…}，Lli是一个分布向量，其中第l个元素表示小块i相邻的其余小块中第l个小块的标签；每个小块划分为多个面片，面片是三维网络模型中的基本构成单元；信息描述模块包括：信息提取单元，对于第i个小块，提取其n个几何特征得到特征向量Fi；Fi={fi1、fi2、…fij…fin}，其中，fij表示第i个小块的第j个几何特征；降维单元，对于特征向量Fi中的每个小块的几何特征fij降维至二维特征空间，得到n个二维空间点集A；A={Pi1、Pi2、…Pij…Pin}，Pij表示第i个小块的第j个几何特征在二维特征空间的数据点；其中，Pij的坐标为（xij，yij），xij=fij*u1，yij=fij*u2，*表示点积运算，u1表示特征向量Fi的第一主成分，u2表示特征向量Fi的第二主成分；信息提取单元，对于二维空间点集A中的每个数据点，计算其局部密度ρij，；其中，exp表示指数函数，dc表示截断距离参数，表示Pij与Pik的欧式距离，j和k都表示数据点的索引；对于每个数据点Pij计算其到比它密度高的点的最小距离δj；以δj为纵轴，ρij为横轴，绘制所有数据点的分布图，基于横坐标和纵坐标的综合取值选择聚类中心，将聚类中心对应的数据点所代表的几何特征作为标准特征。

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杭州拓麦科技有限公司，其通讯地址为：310052 浙江省杭州市滨江区滨康路308号聚才大厦2幢907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”。