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！

龙图腾网获悉中山大学申请的专利一种数据残缺场景下的图像分类和生成模型的训练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：CN117372803B 。

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：202311238929.3，技术领域涉及：G06V10/774；该发明授权一种数据残缺场景下的图像分类和生成模型的训练方法是由丛玉来;李思佳设计研发完成，并于2023-09-22向国家知识产权局提交的专利申请。

本一种数据残缺场景下的图像分类和生成模型的训练方法在说明书摘要公布了：本发明公开了一种数据残缺场景下的图像分类和生成模型的训练方法，获取原始图像的标签和图像信息；将图像信息输入VQ‑VAE进行处理后得到第一离散信息，将标签和图像信息输入数据处理模型后得到第二离散信息；基于第二离散信息构建初始BigLearning模型；基于第一离散信息训练初始BigLearning模型得到最终BigLearning模型。通过VQ‑VAE处理得到第一离散信息，并将通过数据处理模型得到的第二离散信息，能够在数据的缺失或者不完整的场景下训练得到准确识别图像中物体和特征的BigLearning模型，从而提高图像分类和生成的准确性，可广泛应用于计算机数据处理技术领域。

本发明授权一种数据残缺场景下的图像分类和生成模型的训练方法在权利要求书中公布了：1.一种数据残缺场景下的图像分类和生成模型的训练方法，其特征在于，包括： 获取原始图像的标签和图像信息； 将所述图像信息输入VQ-VAE进行处理后得到第一离散信息，所述VQ-VAE用于将所述图像信息转换为编码信息； 将所述标签和所述图像信息输入数据处理模型后得到第二离散信息，所述数据处理模型用于分别对所述标签和所述图像信息进行编码处理得到标签编码和图像编码，所述第二离散信息包括所述标签编码和所述图像编码； 基于所述第二离散信息构建初始BigLearning模型，所述初始BigLearning模型表征图像分类和生成模型，所述第二离散信息通过随机遮掩率遮掩后构建所述初始BigLearning模型；所述基于所述第二离散信息构建初始BigLearning模型，具体包括：根据所述第二离散信息和所述随机遮掩率得到目标数据和源数据，其中，所述目标数据表征被掩蔽的数据，所述源数据表征未被掩蔽的数据；基于BERT和XLNET构建排列语言建模网络架构；根据所述排列语言建模网络架构、所述目标数据和所述源数据得到预训练目标函数；基于所述排列语言建模网络架构和所述预训练目标函数确定所述初始BigLearning模型； 所述根据所述第二离散信息和所述随机遮掩率得到目标数据和源数据，具体包括：获取所述随机遮掩率；根据所述随机遮掩率遮掩所述标签编码或所述图像编码得到所述目标数据和所述源数据； 基于所述第一离散信息训练所述初始BigLearning模型得到最终BigLearning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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。