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！

龙图腾网获悉华中科技大学申请的专利一种基于元学习的图像分类模型的训练方法及应用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：CN115564987B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202211128442.5，技术领域涉及：G06V10/764；该发明授权一种基于元学习的图像分类模型的训练方法及应用是由李瑞轩;王号召;刘寅;李玉华;辜希武设计研发完成，并于2022-09-16向国家知识产权局提交的专利申请。

本一种基于元学习的图像分类模型的训练方法及应用在说明书摘要公布了：本发明公开了一种基于元学习的图像分类模型的训练方法及应用，图像分类技术领域，在元学习的预训练阶段的第一轮内循环迭代结束时，对子任务模型进行剪枝操作，在保证模型精度的情况下省去了很多不必要的计算，大大减少了预训练阶段以及微调阶段的计算量，降低了元学习微调阶段在移动终端设备上的门槛；与此同时，本发明通过预训练完成后的微调阶段来弥补剪枝所带来的精度损失，能够在不改变模型精度的情况下降低了模型的大小，从而在移动终端设备上实现了快速高效的训练。

本发明授权一种基于元学习的图像分类模型的训练方法及应用在权利要求书中公布了：1.一种基于元学习的图像分类模型的训练方法，其特征在于，包括以下步骤： S1、将采集到的带分类标签的图像样本分为图像类别不同的元训练集和元测试集； S2、从若干个预先准备的子任务中随机采样得到N1个子任务；对所述元训练集进行划分，得到N1个子任务所对应的子任务集；每个子任务集均包括支持集和查询集；一个子任务对应一个子任务模型；N1为大于1的整数； S3、分别采用所述元训练集下的各子任务集中的支撑集，训练对应的子任务模型；判断当前内循环迭代次数是否为1，若是，则对子任务模型进行剪枝操作，转至步骤S4；否则，直接转至步骤S4； S4、重复步骤S3进行内循环迭代，直至当前内循环迭代次数达到第一预设迭代次数； S5、基于各子任务模型的分类损失值的平均值对待训练的图像分类模型中的参数进行更新；所述各子任务模型的分类损失值为将所述元训练集下的各子任务集中的查询集输入到对应子任务模型中进行性能测试时得到； S6、重复步骤S2-S5进行外循环迭代，直至当前外循环迭代次数达到第二预设迭代次数； S7、从预先准备的多个子任务中采样得到N2个子任务，对所述元测试集进行划分，得到N2个子任务所对应的子任务集，采用N2个子任务所对应的子任务集中的支撑集对图像分类模型进行微调，得到训练好的图像分类模型；N2为大于或等于1的整数； 其中，子任务模型和图像分类模型均为基于神经网络的模型； 所述步骤S3中，对子任务模型依次进行通道剪枝和权重剪枝； 子任务模型为卷积神经网络；对子任务模型进行剪枝的方法，包括： S31、通过对子任务模型中BN层的缩放因子施加范数惩罚，从而对子任务模型基于BN层的缩放因子进行稀疏化训练；将绝对值小于预设通道剪枝阈值的缩放因子所对应的卷积层通道去除，得到通道卷积后的子任务模型； S32、在全连接层采用权重剪枝，对所述通道卷积后的子任务模型中所有相邻两层间的各神经元连接，去除神经元连接权重的范数值小于预设权重剪枝阈值的神经元连接，完成对子任务模型剪枝操作。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。