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
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 腾讯科技(深圳)有限公司杨思骞获国家专利权

腾讯科技(深圳)有限公司杨思骞获国家专利权

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!

龙图腾网获悉腾讯科技(深圳)有限公司申请的专利一种产品分类模型的训练方法和相关装置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:CN116958724B

龙图腾网通过国家知识产权局官网在2025-10-10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:202211726536.2,技术领域涉及:G06V10/774;该发明授权一种产品分类模型的训练方法和相关装置是由杨思骞;徐程明;王亚彪;汪铖杰设计研发完成,并于2022-12-29向国家知识产权局提交的专利申请。

一种产品分类模型的训练方法和相关装置在说明书摘要公布了:本申请公开一种产品分类模型的训练方法和相关装置,对多个无标注样本产品图像数据进行两次预测得到每个无标注样本产品图像数据分别对应的预测标签和第一预测结果,基于预测标签和第一预测结果的一致性将多个无标注样本产品图像数据划分至第一样本产品图像数据集和第二样本产品图像数据集。基于第一样本产品图像数据集构建用于消除预测标签中噪声的标签校准损失函数,并基于标签校准损失函数训练产品分类模型。基于第二样本产品图像数据集构建用于校正特征偏差的特征一致性损失函数,并基于特征一致性损失函数训练产品分类模型。对不同分类难度的样本产品图像数据集采用不同训练策略,提高产品分类模型的区分能力,进而提高其分类结果的精度。

本发明授权一种产品分类模型的训练方法和相关装置在权利要求书中公布了:1.一种产品分类模型的训练方法,其特征在于,所述方法包括: 获取训练样本产品图像数据,所述训练样本产品图像数据包括多个无标注样本产品图像数据、具有标注标签的正样本产品图像数据以及产线良率; 利用基础分类模型对所述多个无标注样本产品图像数据进行初步预测得到所述多个无标注样本产品图像数据分别对应的预测标签,所述基础分类模型是利用所述正样本产品图像数据、所述多个无标注样本产品图像数据和所述产线良率训练得到的; 利用辨别模型对所述多个无标注样本产品图像数据进行二次预测得到所述多个无标注样本产品图像数据分别对应的第一预测结果,所述辨别模型是利用所述正样本产品图像数据、所述多个无标注样本产品图像数据和所述多个无标注样本产品图像数据分别对应的预测标签训练得到的; 基于所述预测标签和所述第一预测结果的一致性对所述多个无标注样本产品图像数据进行划分得到第一样本产品图像数据集和第二样本产品图像数据集,所述第一样本产品图像数据集中第一样本产品图像数据的分类难度低于所述第二样本产品图像数据集中第二样本产品图像数据的分类难度; 利用所述第一样本产品图像数据集和所述第二样本产品图像数据集训练产品分类模型; 在利用所述第一样本产品图像数据集训练所述产品分类模型的过程中,基于所述第一样本产品图像数据集构建标签校准损失函数,并基于所述标签校准损失函数训练所述产品分类模型,所述标签校准损失函数用于消除预测标签中的噪声; 在利用所述第二样本产品图像数据集训练所述产品分类模型的过程中,基于所述第二样本产品图像数据集构建特征一致性损失函数,并基于所述特征一致性损失函数训练所述产品分类模型,所述特征一致性损失函数用于校正对所述第二样本产品图像数据集中第二样本产品图像数据进行特征提取的特征偏差。

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腾讯科技(深圳)有限公司,其通讯地址为:518057 广东省深圳市南山区高新区科技中一路腾讯大厦35层;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。