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！

龙图腾网获悉电子科技大学申请的专利一种基于信息选择的领域适应模型的构建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：CN116451137B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202310457312.4，技术领域涉及：G06F18/241；该发明授权一种基于信息选择的领域适应模型的构建方法是由徐行;王凯;杨阳;申恒涛设计研发完成，并于2023-04-26向国家知识产权局提交的专利申请。

本一种基于信息选择的领域适应模型的构建方法在说明书摘要公布了：本发明提出了一种基于信息选择的领域适应模型的构建方法，该方法通过基于各类别关联程度进行的语义信息选择和基于实例分类预测的信息量进行的实例级信息选择解决了现有方法中源模型错误预测以及易混淆实例对目标模型训练的干扰问题，具体通过信息选择进行高效准确的知识蒸馏以在源模型参数不可见情形下完成目标模型的训练任务，包括基于各类别关联程度进行的语义信息选择和基于实例分类预测的信息量进行的实例级信息选择，同时以分类预测的确信指标筛选出容易混淆的实例以进行实例级信息选择用于解决这一类实例造成的性能下降问题。

本发明授权一种基于信息选择的领域适应模型的构建方法在权利要求书中公布了：1.一种基于信息选择的领域适应模型的构建方法，其特征在于，该方法应用于源模型参数不可见设定下的领域适应，所述构建方法包括： 对目标域数据进行预处理，所述预处理包括图像大小的裁剪以及图像的翻转； 构建基于信息选择的领域适应模型，该模型由一个源模型、一个目标模型组成，其中源模型为在源域数据上进行监督训练的模型，其参数与模型结构都不可见，仅能够通过接口完成输入输出，输出为源分类特征向量；所述目标模型由特征提取网络与分类器组成，最终输出为目标分类特征向量； 通过所述源模型提取目标域数据的源分类特征向量，通过对所述源分类特征向量进行聚类获取各个类别的聚类中心以及目标域数据的分类预测，并通过所述聚类中心构建语义相似度矩阵，通过所述分类预测构建各个预测的置信度分数，通过所述目标模型提取目标域数据的目标分类特征向量，所述目标分类特征向量将被保存到下一轮训练结束；包括，将预处理后的目标域数据输入到源模型中，源模型的输出称为目标域数据的源分类特征向量，使用聚类算法高斯混合模型GMM对提取到的源分类特征向量进行聚类，得到每一个实例的分类预测以及每一个类别的聚类中心； 通过所述聚类中心构建语义相似度矩阵，构建方式为计算聚类中心之间的余弦相似度，通过所述分类预测计算每个实例的置信度分数，置信度分数的大小应当与模型预测结果的确信程度成正比； 通过所述目标模型提取目标域数据的目标分类特征向量，将目标域数据输入目标模型的特征提取网络，再将特征提取网络的输出输入到目标模型的分类器中，最终输出目标数据的目标分类特征向量； 所述目标分类特征向量将被保存到下一轮的训练过程中，参与下一轮目标模型的训练； 通过所述语义相似度矩阵对所述源分类特征向量进行重构，将重构后的源分类特征向量命名为源分类信号； 基于所述源分类信号、所述目标分类特征向量计算语义蒸馏损失，基于上一轮训练中保存的目标分类特征向量与此轮训练中的目标分类特征向量计算自蒸馏损失，通过所述置信度分数对上述两个损失进行实例级放缩，并基于放缩后的损失调整更新目标模型的参数。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。