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！

龙图腾网获悉清华大学申请的专利一种基于参数传播的多任务图片理解方法与装置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：CN113505839B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202110804217.8，技术领域涉及：G06V10/82；该发明授权一种基于参数传播的多任务图片理解方法与装置是由黄文炳;孙富春;韩家琦设计研发完成，并于2021-07-16向国家知识产权局提交的专利申请。

本一种基于参数传播的多任务图片理解方法与装置在说明书摘要公布了：本发明公开一种基于参数传播的多任务图片理解方法与装置，所述方法包括：获取若干张图片数据，并进行预处理后构建为训练数据集；获取若干个图片理解任务，对每个图片理解任务均构建一个任务模型，其中，若干个图片理解任务之间具有关联，每个任务模型具有独立的参数；基于线性参数传播机制，通过训练数据集对各任务模型进行训练；训练好的各任务模型分别用于对待处理图片进行图片理解。本发明完全抛弃参数共享的这一机制，假设不同图片理解任务之间的参数是完全独立，并且在训练的过程中，通过不同图片理解任务之间的参数传播来实现任务关联，有效避免了传统基于参数共享的多个图片理解任务中的负面迁移问题，提高了每个图片理解任务的预测效果。

本发明授权一种基于参数传播的多任务图片理解方法与装置在权利要求书中公布了：1.一种基于参数传播的多任务图片理解方法，其特征在于，包括如下步骤： 获取若干张图片数据，并对所述图片数据进行预处理后构建为训练数据集； 获取若干个图片理解任务，对每个所述图片理解任务均构建一个任务模型，其中，若干个所述图片理解任务之间具有关联，每个所述任务模型具有独立的参数； 基于线性参数传播机制，通过所述训练数据集对各所述任务模型进行训练；训练好的各所述任务模型分别用于对待处理图片数据进行图片理解； 其中，基于线性参数传播机制对所述任务模型进行训练包括自学习和邻学习两个阶段； 在所述自学习阶段，通过每个所述任务模型独立训练各自参数； 在所述邻学习阶段，将所有任务模型的参数固定，训练参数传播矩阵，所述参数传播矩阵用于表示各所述图片理解任务之间的关系，包括各所述图片理解任务对应的任务模型的参数的加权参数，所述加权参数用于对各所述任务模型的参数进行加权求和； 训练所述参数传播矩阵的方法包括：S3031、将所述参数传播矩阵初始化为单位矩阵；S3032、基于自学习后各所述任务模型的参数进行参数传播计算，并将参数传播计算后得到的参数代入每个所述任务模型，计算所述参数传播矩阵的梯度；S3033、基于所述参数传播矩阵的梯度对所述参数传播矩阵进行梯度更新；S3034、基于梯度更新后的所述参数传播矩阵，重复步骤S3032-S3033，完成所述参数传播矩阵的训练。

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清华大学，其通讯地址为：100000 北京市海淀区双清路30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。