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！

龙图腾网获悉中国科学院计算技术研究所申请的专利一种在搜索阶段无需训练的图像分类模型的构建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：CN116310578B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202310314946.4，技术领域涉及：G06V10/764；该发明授权一种在搜索阶段无需训练的图像分类模型的构建方法是由孙自浩;胡瑜设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本一种在搜索阶段无需训练的图像分类模型的构建方法在说明书摘要公布了：本发明提供了一种在搜索阶段无需训练的图像分类模型的构建方法，包括：在模型结构的搜索阶段，执行步骤A1‑A4：A1、从预设的搜索空间所包含的多个神经网络模型结构中采样出多个待选的模型结构，A2、对每个待选的模型结构，利用评价集中的每个图像样本分别在该待选的模型结构进行一次正向传播和反向传播，得到待选的模型结构下各图像样本对应的每个参数的梯度，A3、根据每个参数的梯度，确定每个待选的模型结构的信噪比代理指标，A4、根据所有待选的模型结构的信噪比代理指标，从多个待选的模型结构选定目标网络模型；在训练阶段，根据从图像分类数据集中提取的训练集对目标网络模型进行图像分类训练，得到经训练的图像分类模型。

本发明授权一种在搜索阶段无需训练的图像分类模型的构建方法在权利要求书中公布了：1.一种在搜索阶段无需训练的图像分类模型的构建方法，其特征在于，包括： 在模型结构的搜索阶段，执行步骤A1-A4： A1、从预设的搜索空间所包含的多个神经网络模型结构中采样出多个待选的模型结构； A2、对每个待选的模型结构，利用从图像分类数据集中提取的评价集中的每个图像样本分别在该待选的模型结构进行一次正向传播得到图像分类结果，并基于图像分类结果的分类损失求梯度并反向传播得到待选的模型结构下各图像样本对应的每个可训练的参数的梯度； A3、根据每个待选的模型结构下各图像样本对应的每个可训练的参数的梯度，确定每个待选的模型结构的信噪比代理指标，其中，所述信噪比代理指标与各图像样本对应的参数的梯度的均值的平方与参数的梯度的方差的比值正相关，信噪比代理指标的计算方式为以下方式中的任一种： 计算方式1：所述信噪比代理指标为评价集中各图像样本对应的参数的梯度的均值的平方与参数的梯度的方差的比值之和； 计算方式2：所述信噪比代理指标为评价集中各图像样本对应的参数的梯度的均值的平方与修正的参数的梯度的方差的比值之和，其中，修正的参数的梯度为该图像样本对应的参数的梯度的方差与预设的正则化值之和，所述信噪比代理指标按照以下方式确定： 其中，表示评价集中的图像样本的总数，表示评价集中的第个图像样本，表示第个 图像样本的标签，表示第个参数，，表示第个图像样本对应的参数的梯度的均值的平方，表 示第个图像样本对应的参数的梯度的方差，表示预设的正则化值； A4、根据所有待选的模型结构的信噪比代理指标，从多个待选的模型结构选定目标网络模型； 在训练阶段，根据从图像分类数据集中提取的训练集对目标网络模型进行图像分类训练，得到经训练的图像分类模型。

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中国科学院计算技术研究所，其通讯地址为：100190 北京市海淀区中关村科学院南路6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”。