Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国科学院计算技术研究所蒋树强获国家专利权

中国科学院计算技术研究所蒋树强获国家专利权

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!

龙图腾网获悉中国科学院计算技术研究所申请的专利一种用于食品图像分类的模型的训练方法和图像检索方法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:CN115797924B

龙图腾网通过国家知识产权局官网在2026-04-21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:202211579758.6,技术领域涉及:G06V20/68;该发明授权一种用于食品图像分类的模型的训练方法和图像检索方法是由蒋树强;宋佳骏;李卓;闵巍庆设计研发完成,并于2022-12-06向国家知识产权局提交的专利申请。

一种用于食品图像分类的模型的训练方法和图像检索方法在说明书摘要公布了:一种用于食品图像分类的模型的训练方法,所述模型包括特征提取器和分类器,所述方法包括:S1、获取包含多个样本和对应标签的初始的训练集并将其划分为多个批次,在每个批次基于当前批次中的样本构建多个包含锚样本、正样本和负样本的三元组,其中,每个样本为一张食品图像,样本对应的标签指示食品图像的类别;S2、对初始的训练集的每个批次选定部分三元组进行优化,优化时将选定的三元组的负样本用其正样本替代并将选定的三元组的正样本用其锚样本替代以得到优化的三元组,基于优化的三元组与未选定的三元组构成优化的训练集;S3、利用优化的训练集训练用于提取样本特征的特征提取器以及用于根据样本特征对样本进行分类的分类器进行分批次训练。

本发明授权一种用于食品图像分类的模型的训练方法和图像检索方法在权利要求书中公布了:1.一种用于食品图像分类的模型的训练方法,所述模型包括特征提取器以及分类器,其特征在于,所述方法包括: S1、获取包含多个样本和对应标签的初始的训练集并将其划分为多个批次,在每个批次基于当前批次中的样本构建多个包含锚样本、正样本和负样本的三元组,其中,每个样本为一张食品图像,样本对应的标签指示食品图像的类别; S2、对初始的训练集的每个批次选定部分三元组进行优化,优化时将选定的三元组的负样本用其正样本替代并将选定的三元组的正样本用其锚样本替代以得到优化的三元组,基于优化的三元组与未选定的三元组构成优化的训练集; S3、利用优化的训练集训练用于提取样本特征的特征提取器以及用于根据样本特征对样本进行分类的分类器进行分批次训练; 在S3中,利用初始的训练集的每个批次的样本及其在优化的训练集中对应批次的样本对用于提取样本特征的特征提取器以及用于根据样本特征对样本进行分类的分类器进行分批次训练,其中,训练时根据属于初始的训练集中样本对应的分类交叉熵损失以及属于优化的训练集的三元组对应的距离损失确定的总损失更新特征提取器以及分类器的参数; 其中,按照以下方式确定距离损失: 其中,表示当前批次优化的训练集的中三元组的数量,表示当前批次的优化的训练 集的样本的三元组的编号,表示当前批次的优化的训练集的样本的第个三元组中锚 样本与正样本距离,表示预设的裕度,表示当前批次的优化的训练集的样本的第 个三元组中锚样本与负样本距离。

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中国科学院计算技术研究所,其通讯地址为:100190 北京市海淀区中关村科学院南路6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”。

以上内容由龙图腾AI智能生成。

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。