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！

龙图腾网获悉湖南大学申请的专利一种基于分布式深度学习的商品图像识别方法和系统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：CN115908916B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202211443275.3，技术领域涉及：G06V10/764；该发明授权一种基于分布式深度学习的商品图像识别方法和系统是由唐卓;胡哲畅;李肯立;宋莹洁;左知微;张学东设计研发完成，并于2022-11-17向国家知识产权局提交的专利申请。

本一种基于分布式深度学习的商品图像识别方法和系统在说明书摘要公布了：本发明公开了一种基于分布式深度学习的商品图像识别方法，包括步骤：主节点获取多个商品图片{p00，p11，...，pn‑1n‑1}，并将所有商品图片平均分配给所有从节点，第i个从节点根据所需识别所有商品图片对应的图片序号集合Assignmentii，对图片序号集合对应的每个商品图片重新设置长宽大小，并经过标准化处理后，得到该商品图片对应的张量T，所有商品图片对应的张量共同构成张量集合{Tii}，第i个从节点将步骤2得到的所有商品图片对应的张量集合{Tii}中的所有张量依次输入训练好的深度神经网络模型中，以得到识别结果集合{resii}，并将识别结果集合{resii}发送至主节点，识别结果集合{resii}中的每个元素均为二元组index，class，本发明能够解决利用深度学习进行图片分类对设备要求门槛高的技术问题。

本发明授权一种基于分布式深度学习的商品图像识别方法和系统在权利要求书中公布了：1.一种基于分布式深度学习的商品图像识别方法，是应用在包括主节点和多个从节点的分布式系统中，其特征在于，所述方法包括以下步骤： 1主节点获取多个商品图片{p0,p1,…,pn-1}，并将所有商品图片平均分配给所有从节点，其中第i个从节点所需识别的所有商品图片对应的图片序号集合Assignmenti为： 其中n表示商品图片的总数，N为集群中从节点的数量，表示对x向下取整数，i∈[0,N； 2第i个从节点根据所需识别所有商品图片对应的图片序号集合Assignmenti，对图片序号集合对应的每个商品图片重新设置长宽大小，并经过标准化处理后，得到该商品图片对应的张量T，所有商品图片对应的张量共同构成张量集合{Ti}； 3第i个从节点将步骤2得到的所有商品图片对应的张量集合{Ti}中的所有张量依次输入训练好的深度神经网络模型中，以得到识别结果集合{resi}，并将识别结果集合{resi}发送至主节点，识别结果集合{resi}中的每个元素均为二元组index,class，其中，二元组的第1个元素index为商品图片pindex的商品图片序号，第2个元素class为商品图片pindex的图片识别结果序号；步骤3中的深度神经网络模型是所有节点通过以下步骤并行训练得到的： 3-1主节点和所有从节点均获取图片分类数据集，并将该图片分类数据集按照5:1的比例划分为训练集和测试集； 3-2第i个从节点对深度神经网络模型的参数进行初始化，以得到初始化后的该从节点对应的深度神经网络模型； 3-3主节点从训练集中选择batchsize张图片，平均分配给各个从节点作为各从节点的训练集，其中batchsize为N的整数倍； 3-4第i个从节点将主节点分配给其的训练集输入步骤3-2初始化后的深度神经网络中，通过正向传播算法分别计算网络预测值，并分别计算该网络预测值与真实标签之间的交叉熵损失值lossi；其中，第i个从节点获取到的图片序号范围为 3-5第i个从节点根据步骤3-4得到的网络预测值与真实标签之间的交叉熵损失值，利用反向传播算法对深度神经网络模型的所有权重参数进行更新，以获取更新后的该从节点对应的权重参数； 3-6所有从节点彼此交换步骤3-5更新后的所有从节点对应的权重参数，以实现所有权重参数的同步； 3-7第i个从节点重复迭代执行步骤3-3-步骤3-6，直至步骤3-4的损失值lossi不再变化，或者训练过程中验证集的分类准确度达到设定值为止；设定值是从0.8到1之间，从而得到使用分布式集群并行训练完成的深度神经网络； 4主节点根据步骤3得到的所有从节点计算得到的识别结果集合{res0},{res1},…,{resN-1}获取所有商品图片的识别结果序号c0,c1,…,cn-1；步骤4的过程为：对识别结果集合{res0},{res1},…,{resN-1}进行求并集操作{res0}∪{res1}∪…∪{resN-1}，得到所有商品图片的识别结果集合R＝{0,class0,1,class1,…,n-1,classn-1}，然后将识别结果集合R中的所有元素按照二元组的第1个元素从小到大排序，然后依次输出排序结果中所有二元组的第2个元素，得到c0,c1,…,cn-1； 5主节点根据步骤4中得到的所有商品图片的识别结果序号，在系统数据库中查找对应的识别结果名称集合 6主节点根据步骤5得到的识别结果名称集合将步骤1中得到的商品图片{p0,p1,…,pn-1}移动到其所属类别的文件夹中，以得到最终的识别结果。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路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”。

以上内容由龙图腾AI智能生成。