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！

龙图腾网获悉武汉理工大学申请的专利基于轻量级卷积神经网络的古籍汉字识别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：CN115601764B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202211283747.3，技术领域涉及：G06V30/19；该发明授权基于轻量级卷积神经网络的古籍汉字识别方法是由周俊伟;梁宇成;向剑文;夏喆;赵冬冬;熊盛武;杨焱超设计研发完成，并于2022-10-20向国家知识产权局提交的专利申请。

本基于轻量级卷积神经网络的古籍汉字识别方法在说明书摘要公布了：本发明公开了一种基于轻量级卷积神经网络的古籍汉字识别方法。通过集成多个专家模型，在训练过程中将预测概率分布差异项加入损失函数，降低在全体类别上的预测偏差和方差，从而提高在所有类别上的识别精度，同时引入模型轻量化技术降低了集成模型的计算开销和参数量，实现轻量级的古籍汉字长尾样本识别模型。本发明得到的模型在样本严重不均衡的古籍汉字数据集上能够有效提升在生僻字样本集上的识别精度，并与常规轻量级模型的计算复杂度和参数量相近。

本发明授权基于轻量级卷积神经网络的古籍汉字识别方法在权利要求书中公布了：1.一种基于轻量级卷积神经网络的古籍汉字识别方法，其特征在于，包括以下步骤： 步骤1，由特征提取网络和多个专家模型构成集成模型，并通过分布差异损失和分类损失共同训练集成模型； 集成模型ENS-CNet包含一个共享的主干网络和n个独立的专家模型，共享主干网络为特征提取网络，每个专家模型的输入都来自共享主干网络对样例的输出；在集成模型第一阶段的训练过程中，使用每个专家模型独立的分类损失和不同专家模型之间的分布差异损失对和同时进行优化，从而将分类损失最小化以得到更高的集成模型精度，将分布差异损失最大化以得到多样化的专家模型，降低专家模型的预测偏差从而提高尾部类精度； 分类损失函数计算方式如下： 4 式中，表示样本及其对应的标签，为分类模型，表示分类模型对于类别的样本的输出，为边界距离，表示分类模型对于类别y的样本的输出； 步骤2，在步骤1训练完成后的集成模型中加入专家模型分配模块，动态调整专家模型的开启数量以降低模型的计算开销； 加入专家模型分配模块完成集成模型训练的第二阶段，专家模型分配模块由多个路由开关构成，根据主干网络和专家模型的输出特征动态调节专家模型的开启数量，减少头部类样本推理过程中专家模型的开启数量，同时保证尽可能增加尾部类样本推理过程中专家模型的开启数量，具体说来将路由模块的开启或关闭状态作为标签供路由开关学习，主干网络和专家模型的参数被冻结，仅负责特征输出，不再参与训练，通过训练专家模型分配模块，实现根据主干网络和上一个专家模型的输出判断是否分配下一个专家模型参与计算，当模型预测为样本数量充足的头部类别时能够减少专家模型的开启数量，起到降低集成模型计算开销的效果； 步骤3，利用步骤2训练完成的集成模型输出伪标签样本集，通过类别重平衡采样更新有标签样本集； 步骤4，通过无标签样本和步骤3更新后的有标签样本共同训练集成模型； 步骤5，重复步骤3和4，实现对集成模型的迭代式训练； 步骤6，使用步骤5训练好的集成模型进行古籍汉字的识别。

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武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122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。