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！

龙图腾网获悉南京理工大学;南京浩翔基础软件研究院有限公司申请的专利一种基于标签嵌入的鲁棒图像分类方法及系统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：CN114445662B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202210087643.9，技术领域涉及：G06V10/764；该发明授权一种基于标签嵌入的鲁棒图像分类方法及系统是由罗一京;宫辰设计研发完成，并于2022-01-25向国家知识产权局提交的专利申请。

本一种基于标签嵌入的鲁棒图像分类方法及系统在说明书摘要公布了：本发明公开了一种基于标签嵌入的鲁棒图像分类方法及系统，涉及模式识别技术领域，该方法包括：根据鲁棒图像分类器对目标图片进行分类，得到分类结果；鲁棒图像分类器是基于原始标签图像分类损失子函数、标签学习损失子函数以及新标签图像分类损失子函数训练得到的；原始标签图像分类损失子函数表示人像区域特征图对应的预测分类结果与人像区域原始标签分类结果之间的损失值；标签学习损失子函数表示人像区域原始标签分类结果学习人像区域新标签分类结果时的损失值；新标签图像分类损失子函数表示人像区域特征图对应的预测分类结果与人像区域新标签分类结果之间的损失值。本发明能够对存储在相册管理系统中的人物图片进行快速准确分类。

本发明授权一种基于标签嵌入的鲁棒图像分类方法及系统在权利要求书中公布了：1.一种基于标签嵌入的鲁棒图像分类方法，其特征在于，包括： 获取待分类的目标图片；所述目标图片为包含人像区域的图片； 根据鲁棒图像分类器对待分类的所述目标图片进行分类，得到所述目标图片的分类结果； 其中，所述鲁棒图像分类器是基于目标综合损失函数训练得到的； 所述基于标签嵌入的鲁棒图像分类方法还包括鲁棒图像分类器的训练方法；所述训练方法包括： 获取训练数据；所述训练数据包括多个数据对；所述数据对包括样本图片以及所述样本图片对应的人像区域原始标签分类结果；所述样本图片对应的人像区域原始标签分类结果含有噪声信息； 确定目标综合损失函数； 基于所述训练数据、所述目标综合损失函数和图像分类神经网络，确定所述图像分类神经网络的最终参数； 基于所述图像分类神经网络的最终参数，确定鲁棒图像分类器； 所述目标综合损失函数包括第一目标综合损失函数和第二目标综合损失函数；所述确定目标综合损失函数，具体包括： 确定第一目标样本集合和第二目标样本集合；所述第一目标样本集合和第二目标样本集合中的数据对均为所述训练数据的一部分，且所述第一目标样本集合中的数据对与所述第二目标样本集合中的数据对不同； 确定第一图像分类神经网络的第一原始标签图像分类损失子函数和第二图像分类神经网络的第二原始标签图像分类损失子函数；所述第一原始标签图像分类损失子函数和所述第二原始标签图像分类损失子函数均为交叉熵损失函数；所述第一原始标签图像分类损失子函数用于表示所述第二目标样本集合中的第二标定样本图片的人像区域特征图对应的预测分类结果与所述第二标定样本图片对应的人像区域原始标签分类结果之间的损失值；所述第二原始标签图像分类损失子函数用于表示所述第一目标样本集合中的第一标定样本图片的人像区域特征图对应的预测分类结果与所述第一标定样本图片对应的人像区域原始标签分类结果之间的损失值；所述第一标定样本图片为所述第一目标样本集合中的任一样本图片；所述第二标定样本图片为所述第二目标样本集合中的任一样本图片； 确定所述第一图像分类神经网络的第一标签学习损失子函数和所述第二图像分类神经网络的第二标签学习损失子函数；所述第一标签学习损失子函数用于表示第一学习结果与所述第一标定样本图片的人像区域特征图对应的预测分类结果之间的损失值；所述第二标签学习损失子函数用于表示第二学习结果与所述第二标定样本图片的人像区域特征图对应的预测分类结果之间的损失值；所述第一学习结果为所述第二标定样本图片对应的人像区域原始标签分类结果拟合学习所述第一标定样本图片的人像区域特征图对应的预测分类结果后得到的学习结果；所述第二学习结果为所述第一标定样本图片对应的人像区域原始标签分类结果拟合学习所述第二标定样本图片的人像区域特征图对应的预测分类结果后得到的学习结果；其中，所述第一学习结果为所述第二标定样本图片对应的人像区域新标签分类结果，所述第二学习结果为所述第一标定样本图片对应的人像区域新标签分类结果； 确定所述第一图像分类神经网络的第一新标签图像分类损失子函数和所述第二图像分类神经网络的第二新标签图像分类损失子函数；所述第一新标签图像分类损失子函数用于表示所述第二目标样本集合中的第二标定样本图片的人像区域特征图对应的预测分类结果与所述第一学习结果之间的损失值；所述第二新标签图像分类损失子函数用于表示所述第一目标样本集合中的第一标定样本图片的人像区域特征图对应的预测分类结果与第一结果之间的损失值； 所述第一目标综合损失函数包括三个子函数，分别为第一原始标签图像分类损失子函数、第一标签学习损失子函数以及第一新标签图像分类损失子函数； 所述第二目标综合损失函数包括三个子函数，分别为第二原始标签图像分类损失子函数、第二标签学习损失子函数以及第二新标签图像分类损失子函数。

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理工大学;南京浩翔基础软件研究院有限公司，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200号南京理工大学；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”。