買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜杭州拓麥科技有限公司申請的專利圖形化機器學習算法平臺獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119540262B 。

龍圖騰網通過國家知識產權局官網在2025-05-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510101474.3，技術領域涉及：G06T7/11；該發明授權圖形化機器學習算法平臺是由錢海龍;張帆;何德偉設計研發完成，并于2025-01-22向國家知識產權局提交的專利申請。

本圖形化機器學習算法平臺在說明書摘要公布了：本申請公開了圖形化機器學習算法平臺，包括：信息輸入模塊，用于輸入需要處理的圖像信息，以對圖像信息進行預處理；信息分割模塊，對圖像信息進行過分割，以得到若干個小塊；信息描述模塊，對于每個小塊提取所有面片的幾何特征，并從中篩選出一個幾何特征以作為該小塊的標準特征；本申請所提供的技術方案中，相比較于現有方案中的需要對每個面片都進行標注的特點，本方案中，對于每個小塊用一個面片的幾何特征來作為該小塊的標準特征，所以相比較于而言，需要標注的數據將會急劇減少，進而減少了學習算法的構建成本。

本發明授權圖形化機器學習算法平臺在權利要求書中公布了：1.一種圖形化機器學習算法平臺，其特征在于：包括：信息輸入模塊，用于輸入需要處理的圖像信息，以對圖像信息進行預處理；信息分割模塊，對圖像信息進行過分割，以得到若干個小塊；信息描述模塊，對于每個小塊提取所有面片的幾何特征，并從中篩選出一個幾何特征以作為該小塊的標準特征；預測模塊，獲取每個小塊的標準特征，基于標準特征之間的差異自動對圖像進行分割并標注實體；預測模塊包括：初始化單元，對每個小塊進行初始化，將小塊的標簽初始化為零；迭代單元，隨機選擇一個小塊i，根據小塊i的狀態信息選擇一個分割標簽，狀態信息包括小塊的標準特征、相鄰小塊的平均標準特征以及相鄰的其余小塊的標簽分布；獎勵計算單元，計算小塊i賦予的分割標簽的獎勵值rt；循環單元，引導迭代單元不斷循環，直至獲得最大的累積獎勵值R；在迭代單元中：狀態信息包括Swi、Sei、Sli；小塊i的標準特征為Swi、相鄰小塊的平均標準特征為Sei、相鄰的其余小塊的標簽分布為Sli；Sei={E1i、E2i、E3i…Eei…}，其中，Eei是小塊i相鄰的其余小塊中第e個小塊的標準特征；Sli={L1i、L2i、L3i…Lli…}，Lli是一個分布向量，其中第l個元素表示小塊i相鄰的其余小塊中第l個小塊的標簽；每個小塊劃分為多個面片，面片是三維網絡模型中的基本構成單元；信息描述模塊包括：信息提取單元，對于第i個小塊，提取其n個幾何特征得到特征向量Fi；Fi={fi1、fi2、…fij…fin}，其中，fij表示第i個小塊的第j個幾何特征；降維單元，對于特征向量Fi中的每個小塊的幾何特征fij降維至二維特征空間，得到n個二維空間點集A；A={Pi1、Pi2、…Pij…Pin}，Pij表示第i個小塊的第j個幾何特征在二維特征空間的數據點；其中，Pij的坐標為（xij，yij），xij=fij*u1，yij=fij*u2，*表示點積運算，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；信息提取單元，對于二維空間點集A中的每個數據點，計算其局部密度ρij，；其中，exp表示指數函數，dc表示截斷距離參數，表示Pij與Pik的歐式距離，j和k都表示數據點的索引；對于每個數據點Pij計算其到比它密度高的點的最小距離δj；以δj為縱軸，ρij為橫軸，繪制所有數據點的分布圖，基于橫坐標和縱坐標的綜合取值選擇聚類中心，將聚類中心對應的數據點所代表的幾何特征作為標準特征。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州拓麥科技有限公司，其通訊地址為：310052 浙江省杭州市濱江區濱康路308號聚才大廈2幢907室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。