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！

龙图腾网获悉苏州大学申请的专利一种基于深度学习的图像分类方法、装置及可读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：CN121257665B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511820883.5，技术领域涉及：G06N3/0985；该发明授权一种基于深度学习的图像分类方法、装置及可读存储介质是由杨壮;孟杰设计研发完成，并于2025-12-05向国家知识产权局提交的专利申请。

本一种基于深度学习的图像分类方法、装置及可读存储介质在说明书摘要公布了：本发明属于数据处理技术领域，涉及一种基于深度学习的图像分类方法、装置及可读存储介质；每次迭代时在训练集中选取多个样本得到当前样本子集；计算迭代训练前模型的初始参数在训练集上的第一损失函数梯度和在当前样本子集上的第二损失函数梯度、前一次迭代后模型参数在当前样本子集上的第三损失函数梯度；计算当前迭代的学习率更新方向和迭代后的学习率；基于第一损失函数梯度、第二损失函数梯度和第三损失函数梯度，计算方差缩减的梯度估计，从而计算当前迭代后的模型参数；基于当前迭代后的模型参数在当前样本子集上的损失函数梯度与第三损失函数梯度，更新超梯度学习率；在预设迭代次数后得到训练好的数据处理模型以进行数据处理。

本发明授权一种基于深度学习的图像分类方法、装置及可读存储介质在权利要求书中公布了：1.一种基于深度学习的图像分类方法，其特征在于，包括： S10：获取训练集和构建好的图像分类模型，令m=1； S20：在训练集中随机选取多个图像样本得到当前样本子集，以对图像分类模型进行第m次迭代训练；计算迭代训练前图像分类模型的初始参数在训练集中的图像样本上的第一损失函数梯度和在当前样本子集中的图像样本上的第二损失函数梯度、第m-1次迭代后图像分类模型的参数在当前样本子集中的图像样本上的第三损失函数梯度； S30：基于第三损失函数梯度计算第m次迭代的学习率更新方向，基于第m次迭代的学习率更新方向、第m-1次迭代后的超梯度学习率和学习率，计算第m次迭代后的学习率；其中，第m次迭代的学习率更新方向的计算公式为： ， ， 其中，表示第三损失函数梯度；表示梯度信息； 第m次迭代后的学习率的计算公式为： ， 其中，表示第m-1次迭代后的学习率；表示第m-1次迭代后的超梯度学习率； S40：基于第一损失函数梯度、第二损失函数梯度和第三损失函数梯度，计算方差缩减的梯度估计；基于方差缩减的梯度估计、第m-1次迭代后图像分类模型的参数、第m次迭代后的学习率，计算第m次迭代后图像分类模型的参数，以对图像分类模型进行更新；其中，方差缩减的梯度估计的计算公式为： ， 其中，表示第二损失函数梯度；表示第一损失函数梯度； S50：基于第m次迭代后图像分类模型的参数在当前样本子集中的图像样本上的损失函数梯度与第三损失函数梯度的第一乘积，更新超梯度学习率以得到第m次迭代后的超梯度学习率； S60：更新m=m+1，并返回执行步骤S20，直至m=M，得到训练好的图像分类模型以进行图像分类；其中，M表示预设迭代次数；当m=1时，第m-1次迭代后图像分类模型的参数为迭代训练前图像分类模型的初始参数，第m-1次迭代后的学习率和超梯度学习率分别为初始学习率和初始超梯度学习率。

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苏州大学，其通讯地址为：215000 江苏省苏州市工业园区仁爱路199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。