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！

龙图腾网获悉电子科技大学中山学院申请的专利一种模型训练的多阶段调节数据增强方法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：CN116796236B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202310836859.5，技术领域涉及：G06F18/24；该发明授权一种模型训练的多阶段调节数据增强方法是由于效宇;李富超;刘艳;崔永拓;朱浩贞设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本一种模型训练的多阶段调节数据增强方法在说明书摘要公布了：本发明公开了一种模型训练的多阶段调节数据增强方法，包括信息预处理模块、判别器模块、训练偏好计算模块、类别信息扩增模块和训练集更新模块五个模块，该方法的步骤包括在线类别信息库的建立与模型的预训练、模型训练与判别、阶段性训练偏好的计算、类别信息的扩增和训练集更新与模型续练，本发明基于模型训练偏好对数据增强方法进行优化，优化目前大部分数据增强手动设置参数与人工匹配的问题，使数据增强与模型的匹配更具客观性，同时，在模型的训练中引入判别器，依据模型的训练情况将训练划分为多个阶段，用阶段性的训练偏好多次调节训练集的类别信息量，迫使模型在下一次训练中更加关注对某些类别的学习，使数据增强算法与模型之间的匹配更加完善。

本发明授权一种模型训练的多阶段调节数据增强方法在权利要求书中公布了：1.一种模型训练的多阶段调节数据增强方法，其特征在于包括：信息预处理模块、判别器模块、训练偏好计算模块、类别信息扩增模块和训练集更新模块； 该方法步骤如下： 步骤一、在线类别信息库的建立与模型的预训练 在信息预处理模块中，根据标签文件建立在线类别信息库，对模型进行预训练；在线类别信息库中包含了训练集中所有类别的语义信息，这些类别的语义信息通过相应的标签文件进行收集和分类；预训练是指在正式训练前，模型使用原始的数据集进行训练，通过预训练提出模型对原始数据集的评估结果，然后计算模型在预训练中的训练偏好，根据训练偏好对原训练集进行初步的优化；训练集为交通相关的图像； 步骤二、模型训练与判别 在判别器模块中，模型使用在信息预处理模块生成的训练集开始正式的训练，在训练的过程中，依据模型的训练情况将模型分成多个阶段，判别器模块会实时地监察模型的训练情况，对每一个阶段进行监察与判别，当AP的斜率出现大幅度下降时，判别器会暂停训练，然后以此为第一个阶段，用评估结果计算该阶段的训练偏好，提取出相应的评估结果，为后续计算当前阶段训练偏好做准备； 步骤三、阶段性训练偏好的计算 在下个训练阶段开始前，训练偏好计算模块提取模型在当前训练阶段的评估结果，量化当前阶段的训练偏好，训练偏好的计算要用到该阶段的mAP和类别的AP，训练偏好是基于该阶段评估结果而得，其公式如下： ； 上式中，是在第个训练阶段中类别的训练情况，是每个类别的评估结果，是每个类别对应的序列号，表示该阶段中第一个epoch的评估结果，表示该阶段的最后一个epoch的评估结果，是调节系数，是增强系数，增强系数表达式如下： ； 步骤四、类别信息的扩增 在类别信息扩增模块中，将量化的训练偏好与类别的样本数量进行加权结合，生成一组类别的扩增数量； 扩增的方法是使用数据增强策略，用模型的训练偏好计算模型在训练中的需求，即当前阶段需要扩增样本数量的最佳值，其表达式如下： ； 上式中，是当前阶段需要扩增样本数量的最佳值，是原训练集中类别的样本数量，是判断每个类别是否进行样本数量的扩增，表达式如下： ； 最后，类别最终的输出结果使用归一化方法计算，公式如下： ； 上式中，是归一化的范围，是类别最终的输出结果，是的集合； 步骤五、训练集更新与模型续练 在训练集更新模块中，更新对象为训练集中的标签信息，将新扩增的类别信息数据与原训练集混合形成新训练集，模型用新训练集开始下一个阶段的训练；新训练集为交通相关的图像。

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电子科技大学中山学院，其通讯地址为：528400 广东省中山市石岐区学院路1号；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”。