申请/专利权人：哪吒港航智慧科技(上海)有限公司

申请日：2023-11-27

公开（公告）日：2023-12-26

公开（公告）号：CN117291921A

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06N20/00;G06V10/74;G06V10/774

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.12#实质审查的生效;2023.12.26#公开

摘要：本申请提供一种一种适用于集装箱应用场景下的集装箱偶发残损样本挖掘及学习方法、装置、设备、介质，应用于集装箱残损缺陷检测技术领域。通过将集装箱偶发残损缺陷类型进行多级多属性类别划分，并根据多级多属性类别对少量集装箱残损样本数据进行标注，使得每个级别对应的半监督学习模型基于对应的少量标记样本就能够进行对比学习优化的半监督学习训练，从而完成训练的学生模型可以用于对海量的未标注数据进行集装箱残损缺陷样本挖掘，从而为集装箱偶发残损检测应用深度学习模型时提供训练数据基础。

主权项：1.一种集装箱偶发残损样本挖掘学习方法，其特征在于，包括：获取预设的多级多属性类别，其中多级多属性类别为将集装箱残损分类类别按残损等级和残损属性，结合集装箱理货先验性知识划分得到的预设分类类别；根据所述多级多属性类别对少量集装箱残损样本数据进行标注，其中每个级别的每个属性类别有至少1个正例标记样本对应，并对应n个不同环境下采样的标记负例样本，共同组成初始训练样本集；对每个级别残损对应的半监督学习模型进行半监督学习，其中每个半监督学习模型基于自身对应的标记样本进行对比学习优化的半监督学习训练，对比学习优化的半监督采用教师模型和学生模型进行对比学习；其中，半监督学习训练中，教师模型先基于标记样本进行训练，再对未标记样本进行伪标签推理预测得到伪标签样本，学生模型基于伪标签样本集进行对比学习训练。

全文数据：

权利要求：

百度查询： 哪吒港航智慧科技(上海)有限公司 集装箱偶发残损样本挖掘及学习方法、装置、设备、介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD