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！

龙图腾网获悉中国人民解放军海军工程大学申请的专利一种基于多专家动态协作的长尾图像分类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：CN119006917B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202411125310.6，技术领域涉及：G06V10/764；该发明授权一种基于多专家动态协作的长尾图像分类方法是由周浩;崔国恒;王超;高霏;吴艳杰;王勇;黄汛;何永明;李硕耕设计研发完成，并于2024-08-16向国家知识产权局提交的专利申请。

本一种基于多专家动态协作的长尾图像分类方法在说明书摘要公布了：本发明公开了一种基于多专家动态协作的长尾图像分类方法，包括以下步骤：构建包括多个专家子网络的分类模型，对长尾图像训练集中的图像类别进行频率分析，根据图像类别的频率分布将图像类别划分为头部、中部和尾部类别；将长尾图像训练集作为第一专家子网络的输入，将中部和尾部类别对应的长尾图像作为第二专家子网络的输入，将尾部类别对应的长尾图像作为第三专家子网络的输入；根据各专家子网络的输出计算分类模型的损失函数，根据损失函数对各专家子网络的参数进行迭代优化，直到达到设定的最大迭代次数；将待分类的长尾图像输入训练好的分类模型，得到图像分类结果。

本发明授权一种基于多专家动态协作的长尾图像分类方法在权利要求书中公布了：1.一种基于多专家动态协作的长尾图像分类方法，其特征在于，包括以下步骤： 步骤S1：构建包括多个专家子网络的分类模型，对长尾图像训练集中的图像类别进行频率分析，根据所述图像类别的频率分布将所述图像类别划分为头部、中部和尾部类别； 步骤S2：将所述长尾图像训练集作为第一专家子网络的输入，将所述中部和尾部类别对应的长尾图像作为第二专家子网络的输入，将所述尾部类别对应的长尾图像作为第三专家子网络的输入； 步骤S3：根据各专家子网络的输出计算所述分类模型的损失函数，根据所述损失函数对各专家子网络的参数进行迭代优化，直到达到设定的最大迭代次数； 通过以下步骤构造所述损失函数： 步骤S31：计算多个所述专家子网络的损失值，使用动态自适应权重调整各损失值，得到分类模型的动态自适应学习损失； 步骤S32：对所有专家子网络的输出进行加权平均得到融合向量，根据所述融合向量计算分类模型的KL散度损失； 所述融合向量的表达式为： 上式中，为融合向量；和分别为代表头部、中部和尾部类别的项；为第一专家子网络针对头部类别的输出向量，其中a表示头部类别的索引序号；为第一专家子网络针对头部类别的权重向量；||·||表示第二范数；分别为第一专家子网络和第二专家子网络针对中部类别的输出向量，其中b表示中部类别的索引序号；分别为第一专家子网络和第二专家子网络针对中部类别的权重向量；WM为中部类别的权重矩阵；分别为第一专家子网络、第二专家子网络和第三专家子网络针对尾部类别的输出向量，其中c表示尾部类别的索引序号；分别为第一专家子网络、第二专家子网络和第三专家子网络针对尾部类别的权重向量；WT为尾部类别的权重矩阵； 所述KL散度损失的表达式为： 式中，LKL为分类函数的KL散度损失；KL为KL散度函数；为专家子网络ek的理想概率分布；为专家子网络ek的实际概率分布； 步骤S33：结合所述动态自适应学习损失与所述KL散度损失，得到分类模型的损失函数； 步骤S4：将待分类的长尾图像输入训练好的分类模型，得到图像分类结果。

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中国人民解放军海军工程大学，其通讯地址为：430000 湖北省武汉市硚口区解放大道717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”。