东南大学;东南大学深圳研究院李新德获国家专利权
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！
龙图腾网获悉东南大学;东南大学深圳研究院申请的专利一种基于深度学习PID优化器的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：CN117975135B 。
龙图腾网通过国家知识产权局官网在2025-07-25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：202410135709.6，技术领域涉及：G06V10/764；该发明授权一种基于深度学习PID优化器的图像分类方法是由李新德;余乐;张鹏飞设计研发完成，并于2024-01-31向国家知识产权局提交的专利申请。
本一种基于深度学习PID优化器的图像分类方法在说明书摘要公布了：本发明公开一种基于深度学习PID优化器的图像分类方法，针对模型内的不同层子网络使用生成算法自适应生成各自的KP,KI和KD系数；在内环使用PID优化器更新模型内环可学习参数，在外环使用Adam优化器更新模型外环可学习参数。本发明的基于深度学习PID优化器的图像分类方法，采用了基于PID优化器的图像分类方法解决了现有图像分类任务效率慢精度低的问题，采用了生成算法自适应生成模型各层子网络的KP,KI和KD系数，解决PID控制算法中的人工调节参数的问题，具有更强的自适应能力和更高的识别精度，能快速适应新的任务。
本发明授权一种基于深度学习PID优化器的图像分类方法在权利要求书中公布了：1.一种基于深度学习PID优化器的图像分类方法，其特征在于，包括以下步骤： 步骤S1：将数据集划分为训练数据集、验证数据集和测试数据集； 步骤S2：构建基于深度学习的图像分类模型，所述图像分类模型包括层子网络，初始化层子网络的权重和最大迭代次数； 步骤S3：利用训练数据集训练所述图像分类模型并计算模型预测值与真实标签的损失值； 步骤S4：基于生成算法生成每层子网络的系数； 步骤S5：基于步骤S4生成的系数使用PID优化器来更新图像分类模型的内环可学习参数，使用Adam优化器来更新图像分类模型的外环可学习参数； 步骤S6：在验证数据集上测试所述图像分类模型的泛化性能，并使用PID优化器调整层子网络的权重参数作为图像分类模型的权重初始值； 步骤S7：重复步骤S3-S6，直到迭代次数达到步骤S2设置的最大迭代次数，得到优化后的图像分类模型。
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东南大学;东南大学深圳研究院，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号