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！

龙图腾网获悉深圳万兴软件有限公司申请的专利基于小数据生成网络的模型训练方法、装置、设备及介质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：CN115223013B 。

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：202210846124.6，技术领域涉及：G06V10/774；该发明授权基于小数据生成网络的模型训练方法、装置、设备及介质是由林彦硕设计研发完成，并于2022-07-04向国家知识产权局提交的专利申请。

本基于小数据生成网络的模型训练方法、装置、设备及介质在说明书摘要公布了：本发明公开了基于小数据生成网络的模型训练方法、装置、设备及介质，方法包括：根据人脸图像集对初始图像生成网络进行迭代训练得到训练后的第一图像生成网络，根据人脸图像集训练编码器得到目标编码器并对第一图像生成网络进行参数配置得到第二图像生成网络，对第二图像生成网络的权重进行固定，并根据卡通图像集对权重固定的第二图像生成网络进行迭代训练得到目标图像生成网络。本发明属于模型训练技术领域，可基于成对出现的人脸图像及卡通图像对生成网络进行训练，通过人脸图像对初始图像生成网络进行训练后，再通过卡通图像对固定权重的第二图像生成网络进行迭代训练，可基于较少训练数据对初始图像生成网络进行高效训练。

本发明授权基于小数据生成网络的模型训练方法、装置、设备及介质在权利要求书中公布了：1.一种基于小数据生成网络的模型训练方法，其特征在于，所述方法包括： 根据预存的人脸图像集对初始图像生成网络进行迭代训练得到训练后的第一图像生成网络； 根据所述第一图像生成网络中的多层分析网络及所述人脸图像集训练预置的编码器，以训练得到对应的目标编码器； 根据所述目标编码器对所述第一图像生成网络进行参数配置，得到对应的第二图像生成网络； 根据预置的训练条件及预存的卡通图像集对权重固定的所述第二图像生成网络进行迭代训练得到满足所述训练条件的目标图像生成网络，所述卡通图像集中每一张卡通图像与所述人脸图像集中的一张人脸图像相对应； 所述根据所述第一图像生成网络中的多层分析网络及所述人脸图像集训练预置的编码器，以训练得到对应的目标编码器，包括： 获取所述人脸图像集中的一张人脸图像作为当前人脸图像； 根据所述编码器对所述当前人脸图像进行卷积处理，以得到所述编码器中多个卷积层分别对应的卷积特征向量； 将多个所述卷积层的特征图分别输入至所述多层分析网络的多个分析层中，以分析得到对应的训练人脸图像； 根据预置的损失函数计算所述训练人脸图像与所述当前人脸图像之间的损失值； 根据预置的参数调整规则及所述损失值对所述编码器中包含的参数值进行调整； 判断所述人脸图像集中是否包含未训练的其它人脸图像； 若所述人脸图像集中包含未训练的其他人脸图像，获取下一张人脸图像作为当前人脸图像并返回执行所述根据所述编码器对所述当前人脸图像进行卷积处理，以得到所述编码器中多个卷积层分别对应的卷积特征向量； 若所述人脸图像集中不包含未训练的其他人脸图像，将当前得到的所述编码器作为训练后的目标编码器； 所述根据预置的训练条件及预存的卡通图像集对权重固定的所述第一图像生成网络进行迭代训练得到满足所述训练条件的目标图像生成网络，包括： 获取所述卡通图像集中的一张卡通图像作为当前卡通图像； 根据所述第二图像生成网络中的卷积输入层提取得到与所述当前卡通图像对应的卡通噪声特征； 根据所述第二图像生成网络中的多层分析网络对所述卡通噪声特征进行特征分析，以从所述多层分析网络的潜在向量层获取与所述当前卡通图像对应的真人输出图像； 根据所述训练条件中的损失计算公式计算所述当前卡通图像对应的人脸图像与所述真人输出图像之间的对比损失值； 根据所述对比损失值对所述多层分析网络中的非权重参数值进行调整； 判断训练次数是否超过所述训练条件的预设次数，并判断所述对比损失值小于所述训练条件中对比损失阈值的次数是否超过预设次数阈值； 若所述训练次数超过所述预设次数，或所述对比损失值小于对比损失阈值的次数超过所述预设次数阈值，将当前得到的所述第二图像生成网络确定为训练后的目标图像生成网络。

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深圳万兴软件有限公司，其通讯地址为：518000 广东省深圳市南山区粤海街道软件产业基地5栋D座1001；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。