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！

龙图腾网获悉杭州涿溪脑与智能研究所申请的专利一种标注类型自适应的主动学习图像目标检测方法及装置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：CN114155398B 。

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：202111435129.1，技术领域涉及：G06V10/764；该发明授权一种标注类型自适应的主动学习图像目标检测方法及装置是由吕梦遥;陈辉;张希雅设计研发完成，并于2021-11-29向国家知识产权局提交的专利申请。

本一种标注类型自适应的主动学习图像目标检测方法及装置在说明书摘要公布了：本发明提出一种标注类型自适应的主动学习图像目标检测方法及装置，其中，该方法包括：获取目标图像，对其进行检测，得到目标对象对应的定位信息和分类信息，并对分类信息满足第一预设条件的进行标注以获得对应的类别标签，对定位信息满足第二预设条件的进行标注以获得对应的补充包围框标签，根据两种标签生成第一标注数据，将第一标注数据加入至标注数据集，其中，标注数据集中预存有第二标注数据；根据标注数据集对半监督检测模型重新训练，得到迭代更新后的目标半监督检测模型，直到模型达到预期性能或标注数量达到预算。该方法既能显著节约标注成本，又能提高检测算法对目标类别、位置的判断。

本发明授权一种标注类型自适应的主动学习图像目标检测方法及装置在权利要求书中公布了：1.一种标注类型自适应的主动学习图像目标检测方法，其特征在于，包括以下步骤： 用初始半监督检测模型对目标检测对象进行检测，得到所述目标检测对象对应的定位信息和分类信息； 对所述分类信息满足第一预设条件的目标检测对象，根据量化指标定额选择最有价值的对象进行标注，以获得所述目标检测对象对应的类别标签，对所述定位信息满足第二预设条件的目标检测对象，根据量化指标定额选择最有价值的检测对象进行标注，以获得所述目标检测对象对应的补充包围框标签； 根据所述类别标签和所述补充包围框标签生成所述目标检测对象的第一标注数据，将所述第一标注数据加入至标注数据集，其中，所述标注数据集中预存有第二标注数据； 根据所述标注数据集对半监督检测模型重新训练，得到迭代更新后的目标半监督检测模型，直到模型达到预期性能或标注数量达到预算； 通过下述方式设计所述初始半监督检测模型： 提取图像的多尺度特征图，将中心点估计作为第一分支，弱监督全局平均池化作为第二分支，所述第一分支和所述第二分支共享部分所述多尺度特征图的参数； 在所述第一分支中，对所述多尺度特征图进行卷积得到预测位置信息； 在所述第二分支中，对所述多尺度特征图进行卷积得到可受图像级标签监督的响应图； 所述第一预设条件包括分类信息量高于第一特定阈值的目标对象，所述第二预设条件包括定位信息量高于第二特定阈值的目标对象； 对所述分类信息满足第一预设条件的目标对象进行标注以获得所述目标对象对应的类别标签，对所述定位信息满足第二预设条件的目标对象进行标注以获得所述目标对象对应的补充包围框标签，包括： 用熵衡量目标的分类信息量： 其中，为用熵衡量目标的分类信息量，表示中心点坐标处的类别预测概率分布，c为候选类别总数； 为计算点中心点坐标处的定位信息量，首先计算尺度补偿矩阵的局部概率分布期望： 其中，r定义了局部邻域半径； 其次，用局部平均预测值的熵和预测值熵的均值之间的差异衡量数据分布和模型预测分布的互信息，以作为定位信息量的估计： 其中，计算信息熵，此处定义为： 类似地，获得中心点坐标处的尺寸信息量用表示总的定位信息量： 为分类和定位分别设置阈值∈c,∈l，分别筛选出信息量超过对应阈值的目标，定量选择信息量最大的目标，提供对应类型的标注。

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涿溪脑与智能研究所，其通讯地址为：311100 浙江省杭州市余杭区仓兴街1390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”。