買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國科學院計算技術研究所申請的專利一種在搜索階段無需訓練的圖像分類模型的構建方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116310578B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310314946.4，技術領域涉及：G06V10/764；該發明授權一種在搜索階段無需訓練的圖像分類模型的構建方法是由孫自浩;胡瑜設計研發完成，并于2023-03-28向國家知識產權局提交的專利申請。

本一種在搜索階段無需訓練的圖像分類模型的構建方法在說明書摘要公布了：本發明提供了一種在搜索階段無需訓練的圖像分類模型的構建方法，包括：在模型結構的搜索階段，執行步驟A1?A4：A1、從預設的搜索空間所包含的多個神經網絡模型結構中采樣出多個待選的模型結構，A2、對每個待選的模型結構，利用評價集中的每個圖像樣本分別在該待選的模型結構進行一次正向傳播和反向傳播，得到待選的模型結構下各圖像樣本對應的每個參數的梯度，A3、根據每個參數的梯度，確定每個待選的模型結構的信噪比代理指標，A4、根據所有待選的模型結構的信噪比代理指標，從多個待選的模型結構選定目標網絡模型；在訓練階段，根據從圖像分類數據集中提取的訓練集對目標網絡模型進行圖像分類訓練，得到經訓練的圖像分類模型。

本發明授權一種在搜索階段無需訓練的圖像分類模型的構建方法在權利要求書中公布了：1.一種在搜索階段無需訓練的圖像分類模型的構建方法，其特征在于，包括： 在模型結構的搜索階段，執行步驟A1-A4： A1、從預設的搜索空間所包含的多個神經網絡模型結構中采樣出多個待選的模型結構； A2、對每個待選的模型結構，利用從圖像分類數據集中提取的評價集中的每個圖像樣本分別在該待選的模型結構進行一次正向傳播得到圖像分類結果，并基于圖像分類結果的分類損失求梯度并反向傳播得到待選的模型結構下各圖像樣本對應的每個可訓練的參數的梯度； A3、根據每個待選的模型結構下各圖像樣本對應的每個可訓練的參數的梯度，確定每個待選的模型結構的信噪比代理指標，其中，所述信噪比代理指標與各圖像樣本對應的參數的梯度的均值的平方與參數的梯度的方差的比值正相關，信噪比代理指標的計算方式為以下方式中的任一種： 計算方式1：所述信噪比代理指標為評價集中各圖像樣本對應的參數的梯度的均值的平方與參數的梯度的方差的比值之和； 計算方式2：所述信噪比代理指標為評價集中各圖像樣本對應的參數的梯度的均值的平方與修正的參數的梯度的方差的比值之和，其中，修正的參數的梯度為該圖像樣本對應的參數的梯度的方差與預設的正則化值之和，所述信噪比代理指標按照以下方式確定： 其中，表示評價集中的圖像樣本的總數，表示評價集中的第個圖像樣本，表示第個 圖像樣本的標簽，表示第個參數，，表示第個圖像樣本對應的參數的梯度的均值的平方，表 示第個圖像樣本對應的參數的梯度的方差，表示預設的正則化值； A4、根據所有待選的模型結構的信噪比代理指標，從多個待選的模型結構選定目標網絡模型； 在訓練階段，根據從圖像分類數據集中提取的訓練集對目標網絡模型進行圖像分類訓練，得到經訓練的圖像分類模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國科學院計算技術研究所，其通訊地址為：100190 北京市海淀區中關村科學院南路6號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。