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！

龙图腾网获悉广东电网有限责任公司;广东电网有限责任公司东莞供电局申请的专利一种模型训练方法、装置、设备及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：CN116012667B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202211696845.X，技术领域涉及：G06V10/774；该发明授权一种模型训练方法、装置、设备及存储介质是由周则儒;孙德兴;刘云根;周鹏威设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种模型训练方法、装置、设备及存储介质在说明书摘要公布了：本发明公开了一种模型训练方法、装置、设备及存储介质。该方法包括：获取训练样本集中预设数量的图像样本；获取第一图像和目标坐标；根据所述目标坐标对所述预设数量的图像样本进行缩放，并根据所述目标坐标将缩放后的图像样本粘贴到第一图像中，得到目标图像样本；通过所述目标图像样本训练第一模型，得到目标模型。通过本发明的技术方案，能够在提升模型训练效率的同时，提升模型的准确度。

本发明授权一种模型训练方法、装置、设备及存储介质在权利要求书中公布了：1.一种模型训练方法，其特征在于，包括： 获取训练样本集中预设数量的图像样本； 获取第一图像和目标坐标； 根据所述目标坐标对所述预设数量的图像样本进行缩放，并根据所述目标坐标将缩放后的图像样本粘贴到第一图像中，得到目标图像样本； 通过所述目标图像样本训练第一模型，得到目标模型； 其中，通过所述目标图像样本训练第一模型，得到目标模型，包括： 根据至少一个目标图像样本生成目标图像样本集； 将所述目标图像样本集中的目标图像输入第一模型中，得到预测框； 根据所述预测框和所述预设数量的图像样本对应的目标框生成的目标函数训练所述第一模型的参数； 返回执行将所述目标图像样本集中的目标图像输入第一模型中，得到预测框的操作，直至得到目标模型； 其中，将所述目标图像样本集中的目标图像输入第一模型中，得到预测框，包括： 对所述目标图像样本进行下采样，得到第一尺寸的第一特征图； 对第一尺寸的第一特征图进行下采样得到第二尺寸的第一特征图； 对第二尺寸的第一特征图进行下采样得到第三尺寸的第一特征图； 对第三尺寸的第一特征图进行下采样得到第四尺寸的第一特征图； 对第四尺寸的第一特征图进行卷积，得到第四尺寸的第二特征图； 对第四尺寸的第二特征图进行上采样，得到第三尺寸的第二特征图； 根据α1、β1、第三尺寸的第二特征图以及第三尺寸的第一特征图生成第三尺寸的第三特征图； 对第三尺寸的第三特征图进行上采样，得到第二尺寸的第二特征图； 根据α2、β2、第二尺寸的第二特征图以及第二尺寸的第一特征图生成第二尺寸的第三特征图； 对第二尺寸的第三特征图进行上采样，得到第一尺寸的第二特征图； 根据α3、β3、第一尺寸的第二特征图以及第一尺寸的第一特征图生成第一尺寸的第三特征图； 对第一尺寸的第三特征图进行卷积，得到第一尺寸的第四特征图； 对第一尺寸的第四特征图进行下采样，得到第二尺寸的第四特征图； 根据α4、β4、第二尺寸的第四特征图以及第二尺寸的第三特征图生成第二尺寸的第五特征图； 对第二尺寸的第五特征图进行下采样，得到第三尺寸的第四特征图； 根据α5、β5、第三尺寸的第四特征图以及第三尺寸的第三特征图生成第三尺寸的第五特征图； 对第三尺寸的第五特征图进行下采样，得到第四尺寸的第三特征图； 根据α6、β6、第四尺寸的第三特征图以及第四尺寸的第二特征图生成第四尺寸的第四特征图； 将所述第一尺寸的第四特征图、第二尺寸的第五特征图、第三尺寸的第五特征图以及第四尺寸的第四特征图分别输入卷积层，得到目标图像样本的预测框； 其中，α1、β1、α2、β2、α3、β3、α4、β4、α5、β5、α6以及β6均为自适应融合因子； 所述α1、β1的确定方式为： 获取第四尺寸的第一特征图经过上采样变成第三尺寸的第二特征图，再经过全局平均池化得到的第一向量； 获取第三尺寸的第一特征图经过1*1卷积，变成与第三尺寸的第二特征图一样通道数的特征图，再经过全局平均池化得到的第二向量； 根据所述第一向量和所述第二向量确定α1和β1。

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广东电网有限责任公司;广东电网有限责任公司东莞供电局，其通讯地址为：510000 广东省广州市越秀区东风东路757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。