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OPPO广东移动通信有限公司申请的专利模型生成方法、图像标注方法、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：CN114722893B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202210168133.4，技术领域涉及：G06V10/774；该发明授权模型生成方法、图像标注方法、装置以及电子设备是由何志海;李亚乾;郭彦东设计研发完成，并于2022-02-23向国家知识产权局提交的专利申请。

本模型生成方法、图像标注方法、装置以及电子设备在说明书摘要公布了：本申请实施例公开了一种模型生成方法、图像标注方法、装置以及电子设备。所述方法包括：在当次训练过程中，基于第一数据集以及第二数据集对当次训练过程对应的待训练图像标注模型进行训练，得到当次训练过程对应的训练完成的模型；若当次训练过程满足目标训练条件，将训练完成的模型作为目标图像标注模型，若当次训练过程不满足目标训练条件，将训练完成的模型作为下一次训练过程的待训练图像标注模型。通过上述方式使得，基于第一数据集以及第二数据集对待训练图像标注模型进行训练，得到目标图像标注模型，实现了目标图像标注模型对第二数据集所属域的自适应，提高了目标图像标注模型对与第二数据集所属域相同的未标注图像的标注准确性。

本发明授权模型生成方法、图像标注方法、装置以及电子设备在权利要求书中公布了：1.一种模型生成方法，其特征在于，应用于电子设备，所述方法包括： 在当次训练过程中，基于第一数据集对当次训练过程对应的待训练图像标注模型进行训练，得到当次训练过程对应的第一图像标注模型，所述待训练图像标注模型包括特征提取网络和分类器网络，所述第一图像标注模型与所述待训练图像标注模型的网络结构相同；其中，所述第一数据集包括多张标注图像以及所述多张标注图像各自对应的真实标签，所述在当次训练过程中，基于第一数据集对当次训练过程对应的待训练图像标注模型进行训练，得到当次训练过程对应的第一图像标注模型，包括：在当次训练过程中，将所述多张标注图像输入到当次训练过程对应的待训练图像标注模型，得到所述多张标注图像各自对应的预测标签；基于所述预测标签与所述真实标签之间的差异，确定第一损失函数的损失值，所述第一损失函数用于减少所述预测标签与所述真实标签之间的差异；基于第一损失函数的损失值调整所述当次训练过程对应的待训练图像标注模型的模型参数，得到所述当次训练过程对应的第一图像标注模型； 基于所述第一数据集以及第二数据集对所述第一图像标注模型的分类器网络进行训练，得到当次训练过程对应的第二图像标注模型，所述第二图像标注模型与所述第一图像标注模型的网络结构相同，所述第一数据集与所述第二数据集所属领域不相同；所述第二数据集包括多张未标注图像，所述分类器网络包括第一分类器网络和第二分类器网络，所述第一分类器网络和所述第二分类器网络分别包括全连接层，所述基于所述第一数据集以及第二数据集对所述第一图像标注模型的分类器网络进行训练，得到当次训练过程对应的第二图像标注模型，包括：将所述多张标注图像以及所述多张未标注图像输入到所述第一图像标注模型，得到所述多张标注图像各自对应的预测标签、所述多张未标注图像各自对应的第一预测概率值和第二预测概率值，其中，所述第一预测概率值由所述第一分类器网络的全连接层输出，所述第二预测概率值由所述第二分类器网络的全连接层输出；基于所述多张标注图像各自对应的预测标签与真实标签之间的差异，以及所述多张未标注图像各自对应的第一预测概率值与第二预测概率值之间的差异，确定第二损失函数的损失值，所述第二损失函数用于使所述第一分类网络和第二分类器网络对所述第一数据集正确分类的同时，增大所述多张未标注图像各自对应的第一预测概率值与第二预测概率值之间的差异；基于第二损失函数的损失值调整所述当次训练过程对应的第一图像标注模型的分类器网络的模型参数，得到所述当次训练过程对应的第二图像标注模型，其中，在当次训练过程中，所述第一图像标注模型的特征提取网络的模型参数不变； 将所述多张未标注图像输入到所述第二图像标注模型，得到所述多张未标注图像各自对应的第一预测概率值和第二预测概率值，其中，所述第一预测概率值由所述第一分类器网络的全连接层输出，所述第二预测概率值由所述第二分类器网络的全连接层输出；基于所述多张未标注图像各自对应的第一预测概率值与第二预测概率值之间的差异，确定第三损失函数的损失值，所述第三损失函数用于减小所述多张未标注图像各自对应的第一预测概率值与第二预测概率值之间的差异；基于第三损失函数的损失值调整所述第二图像标注模型的特征提取网络的模型参数，得到所述当次训练过程对应的训练完成的模型，其中，在当次训练过程中，所述第二图像标注模型的分类器网络的模型参数不变，所述训练完成的模型与所述第二图像标注模型的网络结构相同； 若当次训练过程满足目标训练条件，将所述训练完成的模型作为目标图像标注模型，若当次训练过程不满足目标训练条件，进入下一次的训练过程，并将所述训练完成的模型作为下一次训练过程对应的待训练图像标注模型。

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OPPO广东移动通信有限公司，其通讯地址为：523860 广东省东莞市长安镇乌沙海滨路18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”。