CN120256836A 一种图像数据标注方法及系统 （中国标准化研究院）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120256836A(43)申请公布日2025.07.04

(21)申请号202510747994.1

(22)申请日2025.06.05

(71)申请人中国标准化研究院

地址100191北京市海淀区知春路4号

申请人中国航空综合技术研究所

(72)发明人杨瑛孙广芝王淑敏

(74)专利代理机构北京科慧致远知识产权代理有限公司11739

专利代理师王乾旭

(51)Int.CI.

GO6F18/10(2023.01)

GO6F18/25(2023.01)

GO6F18/213(2023.01)

GO6N3/0464(2023.01)

GO6F18/23213(2023.01)

权利要求书3页说明书12页附图4页

(54)发明名称

一种图像数据标注方法及系统

(57)摘要

CN120256836A本发明公开了一种图像数据标注方法及系统，涉及计算机视觉技术领域，包括收集图像和文本数据，通过核密度估计和动力学方程进行更新，使用欧拉离散化结合CLP传播和EA进行优化，使用振幅编码进行转换，并通过量子态电路进行构造，使用部分迹进行计算，通过加权融合生成拓扑加权纠缠熵，基于注意力机制进行更新，生成潜在冲突对，并计算优先级，通过CNN模型，生成最终冲突对，通过NeRF模型输出区域特征，使用CLIP模型进行提取，并通过损失函数进行更新。本发明通过VAE结合GLP传播和EA进行优化，提高标注的精度和一致性，通过量子纠缠熵计算

CN120256836A

性。

收集图像和文本数据，对收集的两种数据进行

收集图像和文本数据，对收集的两种数据进行

预处理，通过VAE生成哈希码并构建幼态边权

重矩阵，结合奇并值分解生成低秩近似矩阵，

通过核密度估计和动力学方程进行更新，使用

欧拉离散化结合CLP传播和EA进行优化

基于优化结果，使用掀悟编码进行转换，并透过量子态电路进行构造，使用部分迹进行计算，通过加权融合生成拓扑加权纠建绸，基于注意力机制进行更新，生或潜在冲突对，并计算优先级，通过CNN模型，生成景终冲突对，

通过NeRF模型轮出区域特征，使用CLIP模型进行提取，并通过损失函数进行更新

通过MLP模型生成验证后的融合标茎分布矩阵，通过EChars生成热力图

对收集的两种数据进行存储

CN120256836A权利要求书1/3页

2

1.一种图像数据标注方法，其特征在于：包括，

收集图像和文本数据，对收集的两种数据进行预处理，通过VAE生成哈希码并构建动态边权重矩阵，结合奇异值分解生成低秩近似矩阵，通过核密度估计和动力学方程进行更新，使用欧拉离散化结合CLP传播和EA进行优化；

基于优化结果，使用振幅编码进行转换，并通过量子态电路进行构造，使用部分迹进行计算，通过加权融合生成拓扑加权纠缠熵，基于注意力机制进行更新，生成潜在冲突对，并计算优先级，通过CNN模型，生成最终冲突对，通过NeRF模型输出区域特征，使用CLIP模型进行提取，并通过损失函数进行更新；

通过MLP模型生成验证融合标签分布矩阵，通过ECharts生成热力图；

对收集的两种数据进行存储。

2.如权利要求1所述的一种图像数据标注方法，其特征在于：所述收集图像和文本数据，使用欧拉离散化结合CLP传播和EA进行优化，包括：

基于多模态特征向量和注意力区域特征，通过余弦公式分别计算全局相似度和局部注意力相似度；

使用VAE将多模态特征向量映射为哈希码，通过高斯核函数计算哈希相似度；

将全局相似度、局部注意力相似度以及哈希相似度通过加权融合，得到综合相似度，将综合相似度定义为边，图像ID为节点，构建动态边权重矩阵；

基于肘部法则设定类别数量K,使用K-Means聚类对多模态特征向量进行K个聚类，并映射到字符串标签，生成初始类别标签，并通过最大似然估计生成初始概率分布；

通过核密度估计将哈希码映射到初始概率分布，更新初始概率分布；

基于每个节点，定义动力学方程，使用欧拉方法进行离散化，对更新初始概率分布进行迭代，并使用低秩近似矩阵进行GLP传播；

对传播初始概率分布和更新初始概率分布进行加权融合，生成融合标签分布矩阵；

基于动态边权重矩阵，通过EA对融合标签分布矩阵进行更新；

基于更新融合分布标签矩阵