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！

龙图腾网获悉中南大学申请的专利基于双层优化神经网络的图像分类方法、装置、设备及存储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：CN121482507B 。

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：202610013914.4，技术领域涉及：G06V10/764；该发明授权基于双层优化神经网络的图像分类方法、装置、设备及存储介质是由苏丹;韩洁;阳春华;桂卫华设计研发完成，并于2026-01-07向国家知识产权局提交的专利申请。

本基于双层优化神经网络的图像分类方法、装置、设备及存储介质在说明书摘要公布了：本申请公开了一种基于双层优化神经网络的图像分类方法、装置、设备及存储介质，涉及工业图像分类技术领域，所述方法包括：对历史工业图像数据进行预处理并划分为带类别标签的训练集和验证集；基于目标神经网络结构、预设损失函数、初始网络参数及初始扰动向量构建初始图像分类模型；接着利用训练集，通过双层优化与神经动力学机制对该模型进行训练，得到参考图像分类模型；根据验证集对参考模型进行性能评估与参数调整，获得最终的工业图像分类模型；将新增工业图像输入该模型得到分类结果。本申请能够在工业图像分类任务中，缓解深度神经网络训练时扰动与参数更新的耦合问题，降低对超参数的敏感性，提升模型在复杂工况下的泛化能力和稳定性。

本发明授权基于双层优化神经网络的图像分类方法、装置、设备及存储介质在权利要求书中公布了：1.一种基于双层优化神经网络的图像分类方法，其特征在于，所述方法包括： 对历史工业图像数据进行预处理，得到训练集和验证集，所述训练集和所述验证集均包含对应的类别标签； 根据目标神经网络结构、预设损失函数、初始网络参数以及初始扰动向量，构建初始图像分类模型； 基于双层优化与神经动力学机制，根据所述训练集对所述初始图像分类模型进行训练，得到参考图像分类模型； 根据所述验证集对所述参考图像分类模型进行性能评估和参数调整，得到工业图像分类模型； 将新增工业图像输入所述工业图像分类模型，得到分类结果； 所述基于双层优化与神经动力学机制，根据所述训练集对所述初始图像分类模型进行训练，得到参考图像分类模型的步骤包括： 从所述训练集中选取一批次训练样本及对应的所述类别标签，输入所述初始图像分类模型进行前向传播，得到预测概率分布； 根据所述预设损失函数计算所述预测概率分布与所述类别标签之间的损失值； 将所述初始网络参数与所述初始扰动向量相加，得到扰动后参数点； 基于所述损失值，计算所述初始图像分类模型在所述扰动后参数点对应的第一梯度和所述初始扰动向量对应的第二梯度； 根据快时间尺度更新策略、所述第二梯度、神经动力学更新方程、慢时间尺度更新策略、所述第一梯度以及所述初始网络参数，对所述初始图像分类模型进行训练，得到参考图像分类模型； 所述根据快时间尺度更新策略、所述第二梯度、神经动力学更新方程、慢时间尺度更新策略、所述第一梯度以及所述初始网络参数，对所述初始图像分类模型进行训练，得到参考图像分类模型的步骤包括： 按照快时间尺度更新策略，结合所述第二梯度和神经动力学更新方程更新所述初始扰动向量，得到更新后的扰动向量； 根据预设范数约束，对所述更新后的扰动向量进行投影操作，得到目标扰动向量； 按照慢时间尺度更新策略，结合所述第一梯度更新所述初始网络参数，得到更新后的网络参数； 分别将所述更新后的网络参数、所述目标扰动向量作为下一轮迭代的初始网络参数、初始扰动向量，并返回所述从所述训练集中选取一批次训练样本及对应的所述类别标签，输入所述初始图像分类模型进行前向传播，得到预测概率分布的步骤，直至所述损失值收敛或达到预设训练轮数，得到参考图像分类模型； 所述神经动力学更新方程表示如下： 其中，是指第k轮迭代过程中的扰动向量，是指经过第k轮快时间尺度更新后的扰动向量，是指预设快时间尺度学习率，是指所述第二梯度，是指针对扰动向量的梯度算子，是指第k轮迭代过程中的初始网络参数，为激活函数，用于保证扰动向量处于预设范数约束内。

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南大学，其通讯地址为：410000 湖南省长沙市岳麓区麓山南路932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。