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！

龙图腾网恭喜北京航空航天大学申请的专利一种无需多任务联合标注的多任务深度学习训练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：CN114298324B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202111635176.0，技术领域涉及：G06N20/00；该发明授权一种无需多任务联合标注的多任务深度学习训练方法是由王睿;邹佳伶;辛佳雯设计研发完成，并于2021-12-29向国家知识产权局提交的专利申请。

本一种无需多任务联合标注的多任务深度学习训练方法在说明书摘要公布了：本发明涉及一种无需多任务联合标注的多任务深度学习训练方法，涉及计算机视觉领域。首先，利用与目标任务对应的单任务标注数据集训练目标任务分支网络，利用与若干辅助任务分别对应的各单任务标注数据集训练各辅助分支网络；之后通过计算各辅助任务特征与目标任务特征的Gram矩阵，形成对各辅助任务特征的通道注意力，进而调整相应的辅助任务特征的各分量权值，再将调整后的多组辅助任务特征与目标任务特征进行级联融合，构建实现目标任务的整合网络；最后利用与目标任务对应的单任务标注数据集训练整合网络实现目标任务。本发明采用基于Gram通道注意力机制的特征融合，实现了针对目标任务而无需多任务联合标注训练集的多任务训练。

本发明授权一种无需多任务联合标注的多任务深度学习训练方法在权利要求书中公布了：1.一种无需多任务联合标注的多任务深度学习训练方法，包括：步骤1，利用与目标任务对应的单任务标注数据集训练目标任务分支网络，确保目标任务分支网络能够初步实现对目标任务相关特征的提取；所述与目标任务对应的单任务标注数据集为KITTI的立体图像集；所述目标任务分支网络为自监督单目深度估计网络；所述目标任务为单目深度估计任务；步骤2，利用与若干辅助任务分别对应的各单任务标注数据集训练辅助分支网络，确保每个辅助分支网络能够实现对相应辅助任务相关特征的提取；所述辅助分支网络包括语义分割分支网络；所述语义分割分支网络通过Cityscapes的语义分割数据集进行训练，所述辅助任务包括语义分割任务；步骤3，通过每个辅助分支网络提取的辅助任务特征与目标任务分支网络提取的目标任务特征计算Gram矩阵，Gram矩阵作为协方差阵能够定量表示每组辅助任务特征与目标任务特征之间的非线性相关性，进而形成对每组辅助任务特征的通道注意力，以调整相应的辅助任务特征的各分量权值，再将调整后的多组辅助任务特征与目标任务特征进行级联，实现特征融合，构建实现目标任务的整合网络，具体为：首先对所有K个辅助任务的特征及目标任务的特征进行批归一化，规定特征大小为H×W×C，其中W,H,C分别为特征的长、宽及通道数；对于第kk＝1,…,K个辅助分支网络，其提取特征表示为Xkii＝1,2,…,Ck1，大小为H×W×Ck1，其中Xki为第k个辅助任务的第i通道二维特征，共Ck1个通道，目标任务分支网络提取的特征表示为Yjj＝1,2,…,C2，大小为H×W×C2，其中Yj为第j通道的二维特征，共C2个通道；利用Xki及Yj计算二者的Frobenius矩阵内积作为Gramki,j，即Gramki,j可定量表示Xki与Yj之间的非线性相关性：当Gramki,j为正，Xki与Yj呈正相关；当Gramki,j为负，Xki与Yj呈负相关；当Gramki,j的绝对值越大，Xki与Yj相关性越强；通过将第k个辅助分支网络的Ck1个辅助任务特征与C2个目标任务特征相乘可得到大小为Ck1×C2的Gramk矩阵；对于该Gramk矩阵，第i行代表第i通道的辅助任务特征与每一通道目标任务特征两两之间的相关性，因此第i行的最大值即表示了第i通道的辅助任务特征与目标任务特征具有的最大相关性，当行最大值越大，相关性越强，即可以认为该通道辅助任务特征越能够通过目标任务特征表征，因此该通道辅助任务特征对于融合后的特征冗余性越高，对其分配的注意力应降低，反之对其分配的注意力应增加，因此，通过对该Gramk矩阵取各行的最大值形成C1k×1的相关性向量，反映了第k个辅助任务每个通道特征与目标任务特征之间的相关性；通过对相关性向量进行全连接层计算得到对第k组辅助任务特征各通道的权重因子，对相应通道的辅助任务特征进行加权扩缩可得到调整后的第k组辅助任务特征，即第k组待融合辅助任务特征；将所有K组待融合辅助任务特征及目标任务特征共K+1组特征在通道维度级联，形成融合后特征，并构建整合网络；步骤4，迁移所有分支网络的训练参数到步骤3中构建的整合网络，具体为：将步骤1及步骤2训练得到的分支网络参数迁移到步骤3中构建整合网络的各个分支，作为步骤5训练的初始参数；步骤5，利用与目标任务对应的单任务标注数据集训练步骤4中已初始化的整合网络，具体为：固定整合网络中各个辅助分支的编码器参数，确保辅助任务分支在训练过程中仍然提取辅助任务相关特征，并通过步骤3对K个辅助任务每一轮训练后所输出的每一组辅助任务的特征进行Gram注意力调整和与目标任务特征的融合操作，实现对目标任务的多任务训练。

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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”。