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！

龙图腾网获悉湖南科技大学申请的专利一种面向图像分类的深度学习核心训练样本选择及权重标定方法及系统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：CN121505311B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202610047028.3，技术领域涉及：G06V10/762；该发明授权一种面向图像分类的深度学习核心训练样本选择及权重标定方法及系统是由刁祖龙;乔铭宇;何大成;梁伟;胡娜设计研发完成，并于2026-01-14向国家知识产权局提交的专利申请。

本一种面向图像分类的深度学习核心训练样本选择及权重标定方法及系统在说明书摘要公布了：本发明公开了一种面向图像分类的深度学习核心训练样本选择及权重标定方法及系统，属于图像分类与深度学习模型训练加速领域。本方法基于CPU与GPU协同并行架构：CPU侧采用动态多指标聚类策略与两阶段筛选机制，从全训练集筛选出核心样本子集；GPU侧基于元学习，通过主模型和MetaNet协同，并利用元数据验证损失更新MetaNet参数，为核心样本动态标定权重，形成“评估‑加权‑优化”闭环。本发明通过核心样本加权梯度近似全量梯度，既保证模型分类精度又加速收敛；智能动态权重标定与自适应样本筛选解决训练效率与模型性能的矛盾；通过CPU‑GPU协同及多进程队列实现高效数据交互，降低资源消耗并提升训练效率。

本发明授权一种面向图像分类的深度学习核心训练样本选择及权重标定方法及系统在权利要求书中公布了：1.一种面向图像分类的深度学习核心训练样本选择及权重标定方法，其特征在于，所述方法基于CPU与GPU的协同并行计算架构，通过核心训练样本选择流程和样本权重标定流程的协同执行，处理由图像传感器采集的数字图像数据，在图像分类领域实现深度学习模型训练的加速； 所述核心训练样本选择流程由CPU执行，采用动态多指标聚类策略，通过梯度、训练损失以及自编码器计算得到的自编码器损失构建多维特征空间来评估样本价值，并采用两阶段筛选机制，其中第一阶段从全训练集V中随机筛选出数量大于实际训练批次的候选集，第二阶段基于所述多维特征空间对候选集样本进行聚类，从候选集中筛选出核心样本，形成最小训练子集； 其中，所述自编码器损失通过将候选集样本喂入自编码器计算得到；所述多维特征空间通过将候选集样本的Soft-max置信度、训练损失、自编码器损失、遗忘次数、标签组合为特征向量来构建； 所述样本权重标定流程由GPU执行，采用元学习框架构建智能化权重分配系统，通过主模型和MetaNet的协同工作实现样本重要性的动态评估，周期性地为所述子集S中的每个样本动态标定一个权重系数，其中每次迭代更新一次权重，并形成“评估-加权-优化”闭环； 通过所述核心训练样本选择流程与样本权重标定流程的协同，在训练过程中，对于主模型参数空间W中的任意优化参数w，能够使用所述子集S的加权梯度来近似全训练集V上的全量梯度，并将近似误差控制在预设的误差阈值以内，从而实现深度学习模型训练的加速收敛。

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湖南科技大学，其通讯地址为：411100 湖南省湘潭市雨湖区石马头；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。