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(深圳)有限公司申请的专利模型训练方法、图像识别方法、装置以及电子设备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：CN117036764B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202210633786.5，技术领域涉及：G06V10/764；该发明授权模型训练方法、图像识别方法、装置以及电子设备是由许剑清设计研发完成，并于2022-06-06向国家知识产权局提交的专利申请。

本模型训练方法、图像识别方法、装置以及电子设备在说明书摘要公布了：本申请实施例提供了一种图像识别方法、装置以及电子设备，本申请实施例涉及云技术、人工智能、智慧交通、辅助驾驶等各种技术领域。本申请在训练m个特征提取模型中的第一特征提取模型时，训练用于表征n个身份类别的类中心的向量进行训练，并在训练该m个特征提取模型中的剩余特征提取模型时，基于训练后的用于表征该n个身份类别的类中心的n个类中心向量，训练该剩余特征提取模型，使得联合训练好的该m个特征提取模型的采样结果能够对同一个待识别图像进行图像识别，并保证其图像识别的准确率高于基于单个特征提取模型的采样结果进行图像识别的准确率。

本发明授权模型训练方法、图像识别方法、装置以及电子设备在权利要求书中公布了：1.一种模型训练方法，应用于图像分类，其特征在于，包括： 获取训练图像； 利用m个特征提取模型中的第一特征提取模型，对所述训练图像进行特征提取，得到所述训练图像的第一特征图；m为大于1的整数； 利用所述m个特征提取模型对应的全连接映射单元，对所述第一特征图进行转换，得到所述训练图像的第一特征向量； 基于用于表征n个身份类别的类中心的向量，将所述第一特征向量转换为所述训练图像的n个概率值；所述n个概率值用于表征所述训练图像属于所述n个身份类别的概率；n为大于1的整数； 基于所述n个概率值和所述训练图像的真实身份类别，计算用于表示所述训练图像的预测身份类别和所述训练图像的真实身份类别之间的差异的第一损失值； 基于所述第一损失值，对所述第一特征提取模型、所述全连接映射单元以及所述用于表征n个身份类别的类中心的向量进行训练，得到训练后的所述第一特征提取模型、训练后的所述全连接映射单元以及训练后的用于表征所述n个身份类别的类中心的n个类中心向量； 基于所述训练图像和所述n个类中心向量，训练所述m个特征提取模型中的剩余特征提取模型； 所述方法还包括： 获取所述n个类中心向量中用于表征所述训练图像的真实身份类别的第一类中心向量； 利用置信度估计模型，对所述第一特征图的置信度进行估计，得到所述第一特征图的置信度； 基于所述第一类中心向量、所述第一特征图的置信度、以及所述第一特征向量，计算所述训练图像的预测身份类别用于表达所述真实身份类别的准确程度的第二损失值； 基于所述第二损失值，训练所述置信度估计模型； 所述基于所述第一类中心向量、所述第一特征图的置信度、以及所述第一特征向量，计算所述训练图像的预测身份类别用于表达所述真实身份类别的准确程度的第二损失值，包括： 将所述第一特征图的置信度与所述第一特征图所在的超球空间的半径的比值、所述第一特征向量、以及所述第一类中心向量的乘积的负数，确定为第一数值； 将第二数值与所述第一特征图的置信度的对数的乘积的负数，确定为第五数值；所述第二数值为所述第一特征向量的维度与第三数值的比值减去第四数值得到的数值； 将以所述第一特征图的置信度为自变量、且以所述第二数值为阶数的贝塞尔函数的对数，确定为第六数值； 将所述第一特征向量的维度与所述第三数值的比值、以及第七数值的对数的乘积，确定为第八数值；所述第七数值为所述第三数值、圆周率、所述超球空间的半径的平方的乘积； 将所述第一数值、所述第五数值、所述第六数值以及所述第八数值的和，确定为所述第二损失值。

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(深圳)有限公司，其通讯地址为：518057 广东省深圳市南山区高新区科技中一路腾讯大厦35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。