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！

龙图腾网获悉北京天融信网络安全技术有限公司;北京天融信科技有限公司;北京天融信软件有限公司申请的专利图像识别方法、装置、设备、存储介质及其产品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：CN119540640B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202411683463.2，技术领域涉及：G06V10/764；该发明授权图像识别方法、装置、设备、存储介质及其产品是由江军;王炜设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本图像识别方法、装置、设备、存储介质及其产品在说明书摘要公布了：本申请公开了一种图像识别方法、装置、设备和机器可读存储介质、计算机程序产品，涉及图像识别技术领域。上述方法包括：通过图像识别神经网络模型识别待识别对象的对象类型；图像识别神经网络模型通过以下步骤得到：基于图像识别设备的资源，确定模型的预期稀疏度量区间；确定模型训练的当前稀疏度量；在当前稀疏度量大于预期稀疏度量的上界的情况下，增加下一轮训练中损失函数的第一正则项权重和第二正则项权重；在当前稀疏度量小于预期稀疏度量的下界的情况下，减小下一轮训练中损失函数的第一正则项权重和第二正则项权重；直至结束训练，以得到图像识别神经网络模型。本方法可精简模型并实现预期的图像识别精度。

本发明授权图像识别方法、装置、设备、存储介质及其产品在权利要求书中公布了：1.一种图像识别方法，其特征在于，应用于图像识别设备，所述方法包括： 获取目标区域的图像，所述图像包括待识别对象； 通过图像识别神经网络模型识别所述待识别对象的对象类型； 根据所述对象类型，输出图像识别结果； 其中，所述图像识别神经网络模型是通过以下步骤得到的： 获取所述图像识别设备的可用计算资源和可用存储资源； 基于所述可用计算资源和所述可用存储资源，确定所述图像识别神经网络模型的预期稀疏度量区间，所述稀疏度量是所述图像识别神经网络模型中非零参数量占参数总量的比例； 基于训练图像集，确定预训练图像识别神经网络模型本轮训练后的当前稀疏度量； 在所述当前稀疏度量大于所述预期稀疏度量的上界的情况下，增加下一轮训练中损失函数的第一正则项权重和第二正则项权重； 在所述当前稀疏度量小于所述预期稀疏度量的下界的情况下，减小下一轮训练中损失函数的第一正则项权重和第二正则项权重； 在所述损失函数收敛或者训练轮次达到预设数量的情况下，结束所述预训练图像识别神经网络模型的训练，以得到所述图像识别神经网络模型； 其中，得到所述图像识别神经网络模型的步骤还包括： 在结束所述预训练图像识别神经网络模型的训练后，得到训练后图像识别神经网络模型； 对所述训练后图像识别神经网络模型中的零值参数进行剪裁； 在对所述训练后图像识别神经网络模型中的零值参数进行剪裁后，根据第一测试图像集确定剪裁后的所述训练后图像识别神经网络模型的图像分类准确率； 根据所述剪裁后的所述训练后图像识别神经网络模型的神经网络层结构，确定各神经网络层的参数排序表；其中，各所述参数排序表中，参数按照绝对值大小排序； 在所述图像分类准确率大于准确率阈值区间上界的情况下，等比例对各所述参数排序表中绝对值较小的参数进行剪裁，以得到二次剪裁后图像识别神经网络模型；其中所述零值参数的裁剪计入所述等比例的计算； 根据第二测试图像集确定所述二次剪裁后图像识别神经网络模型的二次剪裁后图像分类准确率； 在所述二次剪裁后图像分类准确率大于所述准确率阈值区间上界的情况下，循环对各所述参数排序表中绝对值较小的参数进行所述等比例剪裁，并确定所述二次剪裁后图像分类准确率，直至所述二次剪裁后图像分类准确率落入所述准确率阈值区间，以得到二次剪裁后图像识别神经网络模型； 根据所述二次剪裁后图像识别神经网络模型，确定所述图像识别神经网络模型。

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北京天融信网络安全技术有限公司;北京天融信科技有限公司;北京天融信软件有限公司，其通讯地址为：100193 北京市海淀区西北旺东路10号院西区11号楼1层101；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”。