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！

龙图腾网获悉中国科学院计算技术研究所申请的专利一种分类模型的训练方法和眼底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：CN116778566B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202310883502.2，技术领域涉及：G06V40/18；该发明授权一种分类模型的训练方法和眼底图像分类方法是由谷洋;郭帅;文世杰;马媛;杨昭华;翁伟宁;陈益强设计研发完成，并于2023-07-19向国家知识产权局提交的专利申请。

本一种分类模型的训练方法和眼底图像分类方法在说明书摘要公布了：本发明提供一种分类模型的训练方法和眼底图像分类方法，属于增量学习领域。一种分类模型的训练方法，所述分类模型用于眼底图像分类，所述方法包括：获取预训练的分类模型作为教师模型，其包括特征提取网络以及分类器，所述教师模型能识别的眼底类别归为旧类；获取学生模型，其特征提取网络用教师模型初始化，并且其分类器设置为能对旧类和新类对应的眼底类别进行识别，所述新类是所述旧类之外的眼底类别；针对用到的每个旧类，获取该旧类对应的伪样本；利用生成的旧类的伪样本和属于新类的眼底图像对所述学生模型进行增量训练，训练时基于预设的总损失函数确定的总损失更新学生模型的参数，得到经增量训练的学生模型。本发明可以缓解灾难性遗忘。

本发明授权一种分类模型的训练方法和眼底图像分类方法在权利要求书中公布了：1.一种分类模型的训练方法，所述分类模型用于眼底图像分类，所述方法包括： 获取预训练的分类模型作为教师模型，其包括用于对输入眼底图像提取图像特征的特征提取网络以及用于根据图像特征识别该图像特征对应眼底图像所属的眼底类别的分类器，所述分类器包括全连接层和Softmax层，所述教师模型能识别的眼底类别归为旧类； 获取学生模型，其特征提取网络的可训练参数用教师模型中特征提取网络的可训练参数初始化，并且其分类器设置为能对旧类和新类对应的眼底类别进行识别，所述新类是所述旧类之外的眼底类别； 针对所述预训练中用到的每个旧类，获取该旧类对应的伪样本，所述伪样本是利用教师模型的特征提取网络对属于该旧类的多个眼底图像提取的图像特征生成的，按照如下步骤获得旧类的伪样本：T1、基于预训练中用到的旧类对应的多个图像特征计算该旧类对应的类均值向量，T2、从高斯分布中随机采样得到至少一个噪声向量，所述噪声向量与类均值向量的维度相同，T3、基于预先定义的增强尺度、从高斯分布中随机采样得到噪声向量以及旧类对应的类均值向量按照预设的增强规则计算得到该旧类的伪样本，通过以下规则计算旧类对应的类均值向量： 其中，表示旧类对应的类均值向量，表示旧类的样本数量，表示旧类中第个样本的样本特征，表示在第次增量训练中教师模型的特征提取网络的参数； 利用生成的旧类的伪样本和属于新类的眼底图像对所述学生模型进行多次增量训练，训练时基于预设的总损失函数确定的总损失更新学生模型的参数，得到经增量训练的学生模型，按照如下规则计算总损失： 其中，表示总损失，表示新类分类损失，表示旧类分类损失，表示第一超参数，表示第一特征蒸馏损失，所述第一特征蒸馏损失根据旧类的伪样本在以下两者上的输出之间的差异进行确定：所述教师模型的全连接层的输出、所述学生模型的全连接层在旧类上的输出，教师模型为当前次增量训练的上一次增量训练后的学生模型；表示第二超参数，表示第二特征蒸馏损失，所述第二特征蒸馏损失根据教师模型中特征提取网络的提取到的所有教师特征和经增量训练的学生模型中特征提取网络的提取到的所有学生特征之间的总的差异进行确定，其中，每个教师特征为一个伪样本经教师模型中特征提取网络提取得到的图像特征，每个学生特征为伪样本和属于新类的眼底图像分别经学生模型中特征提取网络提取得到的图像特征，表示第三超参数。

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科学院计算技术研究所，其通讯地址为：100190 北京市海淀区中关村科学院南路6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。