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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利面向视觉模型的动态参数高效微调方法和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：CN121415162B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511961515.2，技术领域涉及：G06V10/764；该发明授权面向视觉模型的动态参数高效微调方法和装置是由夏靖远;刘文德;罗豪;高勋章;张双辉;刘振设计研发完成，并于2025-12-24向国家知识产权局提交的专利申请。

本面向视觉模型的动态参数高效微调方法和装置在说明书摘要公布了：本申请涉及一种面向视觉模型的动态参数高效微调方法和装置。所述方法包括：构建一个双层动态参数选择机制，在宏观层面依据各网络层的梯度范数，为模型动态分配参数更新预算，并在微观层面依据参数梯度转化为选择概率，精准识别并激活对当前任务最关键的参数子集；同时，设计跨周期参数分布传递引擎，通过融合历史与当前关键参数并利用动量Top‑K二次筛选策略，在保持模型对新情报的探索性的同时，有效抑制了灾难性遗忘，确保了知识的稳定迁移；最终，通过生成的稀疏掩码对模型进行高效更新，使其快速掌握特定的图像目标分类。

本发明授权面向视觉模型的动态参数高效微调方法和装置在权利要求书中公布了：1.一种面向视觉模型的动态参数高效微调方法，其特征在于，所述方法包括： 获取针对特定无人机图像处理任务的下游数据集，并将预训练视觉基础模型的原始分类头替换为适配所述下游数据集目标类别的新分类头，同时构建模型优化所需的损失函数； 初始化一个与预训练视觉基础模型参数集同维度的二进制更新掩码，并设定参数更新周期，当训练迭代步数满足周期性调度条件时，触发后续参数选择与更新流程； 基于所述损失函数计算预训练视觉基础模型上一迭代时刻参数的梯度，依据各网络层的梯度特征计算各层的重要性评分，再根据各层重要性评分确定各层的参数更新预算分配比例，最后按照该比例将总更新预算分配至各网络层，得到各层参数更新名额； 针对所述各层参数更新名额，在各网络层内计算每个参数的梯度特征作为参数重要性评分，将所述参数重要性评分转化为参数选择概率分布，依据该概率分布在各层内不重复采样对应更新名额数量的参数，所有被采样参数构成当前周期的初步候选更新集； 获取上一更新周期的最终更新集，将所述初步候选更新集与上一更新周期的最终更新集合并，构建扩展候选池；计算扩展候选池中每个参数的历史动量信息与当前梯度特征融合后的综合重要性分数，从扩展候选池中选择综合重要性分数最高且数量等于总更新预算的参数，构成当前周期的最终更新集； 根据所述最终更新集更新初始化的二进制更新掩码，依据二进制更新掩码和梯度信息对预训练视觉基础模型的参数进行稀疏更新，将更新后的模型应用于下游无人机图像处理任务数据，输出目标类别概率分布。

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国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。