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！

龙图腾网获悉腾讯科技(上海)有限公司申请的专利基于集成学习的模型训练方法、图像识别的方法以及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：CN116824193B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202210258635.6，技术领域涉及：G06V10/764；该发明授权基于集成学习的模型训练方法、图像识别的方法以及装置是由许剑清设计研发完成，并于2022-03-16向国家知识产权局提交的专利申请。

本基于集成学习的模型训练方法、图像识别的方法以及装置在说明书摘要公布了：本申请公开了一种基于集成学习的模型训练方法，可应用于云技术、人工智能、智慧交通、辅助驾驶等场景，涉及计算机视觉领域。包括：获取T组图像样本集合；根据每个图像样本集合中每个图像样本的类别标签，获取T个类中心向量集合，具有相同类别标签的图像样本具有相同的类中心向量；基于T组图像样本集合，通过T个待训练互补模型获取T个特征向量集合；根据T个特征向量集合和T个类中心向量集合，对T个待训练互补模型的模型参数进行更新，直至满足模型训练条件，得到集成模型。本申请还提供了一种图像识别方法及装置。本申请在避免子模型组合测试的情况下，能够直接获得鲁棒性较好的集成模型，从而节省了模型训练效率。

本发明授权基于集成学习的模型训练方法、图像识别的方法以及装置在权利要求书中公布了：1.一种基于集成学习的模型训练方法，其特征在于，包括： 获取T组图像样本集合，其中，每组图像样本集合包括至少一个图像样本，每个图像样本对应于一个类别标签，所述T为大于1的整数； 根据所述每个图像样本集合中每个图像样本所对应的类别标签，获取针对所述T组图像样本集合的T个类中心向量集合，其中，所述类中心向量集合与所述图像样本集合具有对应关系，且，具有相同类别标签的图像样本具有相同的类中心向量； 基于所述T组图像样本集合，通过T个待训练互补模型获取T个特征向量集合，其中，每个待训练互补模型用于提取一个特征向量集合，所述特征向量集合与所述图像样本集合具有对应关系； 根据所述T个特征向量集合以及所述T个类中心向量集合，对所述T个待训练互补模型的模型参数进行更新，直至所述T个待训练互补模型满足模型训练条件，得到用于图像识别的集成模型，其中，所述集成模型包括T个互补模型，所述互补模型与所述待训练互补模型具有对应关系； 所述根据所述每个图像样本集合中每个图像样本所对应的类别标签，获取针对所述T组图像样本集合的T个类中心向量集合之前，所述方法还包括： 获取第一图像样本集合，其中，所述第一图像样本集合包括P个图像样本，每个图像样本对应于一个类别标签，所述P为大于或等于1的整数； 根据所述第一图像样本集合中每个图像样本所对应的类别标签，获取P个类中心向量； 基于所述第一图像样本集合，通过待训练基础模型获取P个特征向量，其中，所述P个特征向量中的特征向量与所述P个图像样本中的图像样本具有对应关系； 根据所述P个特征向量以及所述P个类中心向量，对所述待训练基础模型的模型参数以及各个类中心向量进行更新； 所述根据所述P个特征向量以及所述P个类中心向量，对所述待训练基础模型的模型参数以及各个类中心向量进行更新，包括： 针对所述第一图像样本集合中的每个图像样本，根据图像样本所对应的特征向量以及类中心向量，计算得到所述图像样本所对应的余弦值； 根据图片特征空间的分布半径以及所述第一图像样本集合中每个图像样本所对应的余弦值，采用第一损失函数确定梯度；所述图片特征空间的分布半径为类别标签对应的类中心向量中，图像样本距离类中心的距离； 利用所述梯度，对所述待训练基础模型的模型参数以及各个类中心向量进行更新。

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腾讯科技(上海)有限公司，其通讯地址为：201200 上海市浦东新区虹梅路1801号C区5层；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。