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！

龙图腾网获悉深圳大学申请的专利模型训练方法和装置、图像分类方法、设备和介质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：CN115424056B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202210999162.5，技术领域涉及：G06V10/764；该发明授权模型训练方法和装置、图像分类方法、设备和介质是由陈志远;李岩山;张力设计研发完成，并于2022-08-19向国家知识产权局提交的专利申请。

本模型训练方法和装置、图像分类方法、设备和介质在说明书摘要公布了：本发明实施例提供模型训练方法和装置、图像分类方法、设备和介质，涉及人工智能技术领域。方法通过将图像样本输入图像分类模型得到特征矩阵，基于Shapley计算原理根据特征矩阵获取每一个特征通道对应的类别权重值，根据每个特征通道的类别权重值得到类激活图，根据类激活图得到图像样本对应的预测图像类别，根据损失值调整模型权重，直到达到预设损失函数的收敛条件，得到图像分类模型。基于Shapley计算原理得到每一个特征通道对应的类别权重值，不同于相关技术中利用以梯度方向传播作为图像中特征的权重，避免忽略或隐藏特征中不同元素之间的依赖性，提高训练得到的图像分类模型的分类精确度，扩展图像分类的应用场景。

本发明授权模型训练方法和装置、图像分类方法、设备和介质在权利要求书中公布了：1.一种图像分类模型训练方法，其特征在于，包括： 构建图像样本集，所述图像样本集包括多个图像样本，所述图像样本包括：图像及类别标签，所述类别标签的种类数量为n，所述类别标签表示所述图像对应的图像类别； 将所述图像样本输入图像分类模型得到特征矩阵，所述特征矩阵包括多个特征通道的特征图； 基于Shapley计算原理根据所述特征矩阵获取每一个所述特征通道对应的类别权重值； 根据每个所述特征通道的所述类别权重值得到类激活图； 根据所述类激活图得到所述图像样本对应的预测图像类别； 根据预设损失函数计算所述预测图像类别和所述类别标签之间的损失值； 根据所述损失值调整所述图像分类模型的模型权重，直到达到所述预设损失函数的收敛条件，得到所述图像分类模型； 所述基于Shapley计算原理根据所述特征矩阵获取每一个所述特征通道对应的类别权重值，包括：根据预设Shapley分类方式生成当前特征通道的至少一个特征图子集；计算所述特征图子集的边际贡献值；计算所述特征图子集的加权因子；根据所述加权因子和所述边际贡献值计算得到所述特征图子集的权重值；根据所述特征图子集的权重值计算当前特征通道的所述类别权重值；逐一计算得到每个所述特征通道的所述类别权重值。

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深圳大学，其通讯地址为：518060 广东省深圳市南山区粤海街道南海大道3688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。