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！

龙图腾网恭喜南京信息工程大学申请的专利一种图片分类模型训练及图片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：CN119152321B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411642984.3，技术领域涉及：G06V10/774；该发明授权一种图片分类模型训练及图片分类方法是由程勇;董丰瑜;许小龙;王军;杨玲设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种图片分类模型训练及图片分类方法在说明书摘要公布了：本发明公开了一种图片分类模型训练及图片分类方法，图片分类模型训练方法包括采用强化学习动态调整每个客户端的本地分类模型的个性化参数与共享参数的比例，将标记有真实标签的本地图片数据集输入至对应的调整后的本地分类模型中，获取预测的图片分类结果；根据所输入的本地图片数据、真实标签及预测的图片分类结果计算交叉熵损失，更新参数，将更新后的参数及每个客户端当前的参数聚合权重输入至预构建的目标函数，分配各客户端的参数聚合权重，计算全局共享参数，将每个客户端的本地分类模型的共享参数更新为全局共享参数；重复上述步骤至各客户端的本地分类模型收敛，获取训练好的图片分类模型解决非独立同分布数据导致性能下降的问题。

本发明授权一种图片分类模型训练及图片分类方法在权利要求书中公布了：1.一种图片分类模型训练方法，其特征在于，包括：采用强化学习动态调整每个客户端的本地分类模型的个性化参数与共享参数的比例，获取调整后的本地分类模型；将标记有真实标签的本地图片数据集输入至对应的调整后的本地分类模型中，获取预测的图片分类结果；根据所输入的本地图片数据、真实标签及预测的图片分类结果计算交叉熵损失；基于交叉熵损失更新本地分类模型中的个性化参数和共享参数，获取各客户端更新后的个性化参数和共享参数；将每个客户端更新后的个性化参数、共享参数输入至预构建的目标函数中，并以目标函数最小为目标，分配各客户端的参数聚合权重；根据各客户端所分配的参数聚合权重计算全局共享参数，并将每个客户端的本地分类模型的共享参数更新为全局共享参数；重复上述步骤直至各客户端的本地分类模型收敛，获取训练好的图片分类模型；采用强化学习动态调整每个客户端的本地分类模型的个性化参数与共享参数的比例，获取调整后的本地分类模型，包括：根据本地分类模型中每一层的个性化参数和共享参数的方差，以及当前每一层的解耦比例，获得每一层的状态空间；基于每一层的状态空间，最大化期望奖励函数，获得最优的动作；根据最优的动作，获得调整后的本地分类模型；所述每一层的状态空间表示为： ，式中，表示客户端在第层的状态，的范围是从1到，表示客户端数量；的范围是从1到N，N表示客户端的本地分类模型的总层数；和分别表示客户端的本地分类模型在第层个性化参数的方差和共享参数的方差，为解耦比例，表示客户端的本地分类模型在第层的个性化参数比例；所述最大化期望奖励函数表示为： ，式中，表示期望奖励函数，为折扣因子，用于对未来的奖励进行折扣，表示对轨迹的期望值，其中服从分布，轨迹表示在强化学习中，从初始状态出发，到最终状态所经历的状态-动作序列，表示对轨迹中的每一个时间步从0到H求和，H是轨迹的最大时间步数；表示客户端的序号，表示客户端数量，表示客户端的本地分类模型的层级序号，的范围是从1到N，N表示客户端的本地分类模型的总层数；和分别表示客户端的本地分类模型在第层的个性化参数的方差和共享参数的方差。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219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”。