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！

龙图腾网获悉浙江大学申请的专利基于有容忍度标签的自蒸馏方法、计算机设备和存储介质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：CN116403069B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310267305.8，技术领域涉及：G06V10/774；该发明授权基于有容忍度标签的自蒸馏方法、计算机设备和存储介质是由于云龙设计研发完成，并于2023-03-20向国家知识产权局提交的专利申请。

本基于有容忍度标签的自蒸馏方法、计算机设备和存储介质在说明书摘要公布了：本发明公开了一种基于有容忍度标签的自蒸馏方法、计算机设备和存储介质，所述方法具体包括如下步骤：获取用于训练深度神经网络模型的图像数据集；利用图像数据集训练预先定义好的深度神经网络，优化目标是交叉熵优化损失和自蒸馏损失，自蒸馏损失需要的软标签通过一个自适应的内存结构来提供；利用训练好的模型输出图像分类任务的预测结果。本发明的方法适用于有监督的图像识别或者检测等任务，面对优化过程中存在的过拟合现象，在不需要预先训练一个大的教师模型的前提下进行自蒸馏，模型能够在更优点收敛，得到更为稳健的效果。

本发明授权基于有容忍度标签的自蒸馏方法、计算机设备和存储介质在权利要求书中公布了：1.一种基于有容忍度标签的自蒸馏方法，其特征在于，包括以下步骤： S1、获取用于训练深度神经网络模型的图像数据集，所述的图像数据集为，其中为数据集中的图像总数，和分别表示第张图像及其对应的类标签，，表示类别总数，每一类都包含多张图像； S2、利用所述图像数据集训练预先定义好的深度神经网络模型，优化目标是交叉熵优化损失和自蒸馏损失，所述自蒸馏损失需要的软标签通过一个自适应的内存结构来提供，具体包括： S21、预先定义一个类别和训练预测结果相关的内存结构,，大小都为，K为预先设定的内存大小; S22、在训练深度神经网络时采用批量处理的方式，首先从图像数据集中随机采样一个批量的图像样本，其中批量大小预先给定； S23、将中的图像输入深度神经网络得到对应的预测输出，是模型的输出预测向量结果，大小为，获得输出预测结果之后，根据的操作从内存结构中和获得； S24、根据操作将中的图像预测结果自适应选择来更新内存结果,； S25、使用自适应软标签构成自蒸馏学习损失函数，同时使用一个批量中的所有预测构成交叉熵优化损失函数； S26、基于所述交叉熵优化损失和自蒸馏损失得到总的损失函数为 其中是预先设置的权重参数，用来平衡两种损失函数的贡献； S27、根据得到的总的损失函数，使用Adam优化器或带动量的随机梯度下降优化器，以及反向传播算法训练深度神经网络模型； S28、重复步骤S22至S27直至模型收敛； S3、利用训练好的深度神经网络模型输出给定图像分类的预测结果。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。