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！

龙图腾网恭喜有米科技股份有限公司申请的专利标签识别模型的训练、识别图像标签的方法及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：CN114565016B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202210081701.7，技术领域涉及：G06V10/774；该发明授权标签识别模型的训练、识别图像标签的方法及装置是由陈畅新;钟艺豪设计研发完成，并于2022-01-24向国家知识产权局提交的专利申请。

本标签识别模型的训练、识别图像标签的方法及装置在说明书摘要公布了：本发明公开了标签识别模型的训练、识别图像标签的方法及装置，该方法包括：确定样本图像集合，样本图像集合包含预设尺寸范围的至少一个样本图像，根据样本图像集合，对预先确定出的标签识别模型进行训练，得到目标标签识别模型，目标标签识别模型用于识别待识别图像的图像标签。可见，实施本发明能够通过存在风格标签和元素标签的多种尺寸的样本图像训练标签识别模型，进而得到识别多种尺寸图像的图像标签的标签识别模型，减少在识别图像标签时仅考虑图像中主要特征对应的图像标签而忽略与除主要特征以外的其他特征对应的图像标签的情况，提高图像标签识别的准确性和效率，提升宣传的质量。

本发明授权标签识别模型的训练、识别图像标签的方法及装置在权利要求书中公布了：1.一种标签识别模型的训练方法，其特征在于，所述方法包括：确定样本图像集合，所述样本图像集合包含预设尺寸范围的至少一个样本图像，且所述样本图像集合中所有所述样本图像对应的图像标签包括至少一个风格标签和或至少一个元素标签；根据所述样本图像集合，对预先确定出的标签识别模型进行训练，得到目标标签识别模型，所述目标标签识别模型用于识别待识别图像的图像标签；所述根据所述样本图像集合，对预先确定出的标签识别模型进行训练，得到目标标签识别模型，包括：按照预先设定的图像处理策略，确定所述样本图像集合中所有所述样本图像对应的样本调整参数，所述样本调整参数包括至少两个参数值；根据所有所述参数值及所有所述参数值的数量，划分所述样本图像集合中所有所述样本图像，得到与所有所述参数值的数量相同的子样本图像集合，每个所述子样本图像集合包含至少一个所述样本图像，所有所述子样本图像集合中每个所述子样本图像集合中包含的样本图像均不相同；从所有所述子样本图像集合中选择其中一个所述子样本图像集合作为起始子样本图像集合，以及确定预先确定出的标签识别模型作为起始标签识别模型，并基于所述起始子样本图像集合对所述起始标签识别模型进行训练，得到训练后的标签识别模型；将训练后的所述标签识别模型更新为所述起始标签识别模型，以及从剩余所述子样本图像集合中选择其中一个所述子样本图像集合作为所述起始子样本图像集合，并重新执行所述基于所述起始子样本图像集合对所述起始标签识别模型进行训练，得到训练后的标签识别模型的操作；确定最后一个所述子样本图像集合对应的标签识别模型为目标标签识别模型；所述确定最后一个所述子样本图像集合对应的标签识别模型为目标标签识别模型，包括：通过最后一个所述子样本图像集合对应的标签识别模型，识别其他样本图像集合中所有其他样本图像对应的图像标签，并通过预置的损失函数计算每个所述其他样本图像对应的图像标签的偏差值；根据所述其他样本图像集合中所有所述其他样本图像对应的图像标签的偏差值，确定最后一个所述子样本图像集合对应的标签识别模型的损失值；在所述最后一个所述子样本图像集合对应的标签识别模型的损失值处于预设损失范围时，确定最后一个所述子样本图像集合对应的标签识别模型为目标标签识别模型；在所述最后一个所述子样本图像集合对应的标签识别模型的损失值未处于预设损失范围时，优化所述标签识别模型的模型参数，得到优化后的标签识别模型，并将所述优化后的标签识别模型更新为预先构建的所述标签识别模型，以重新执行所述基于所述起始子样本图像集合对所述起始标签识别模型进行训练，得到最后一个所述子样本图像集合对应的标签识别模型的操作，直至训练后的所述标签识别模型的损失值处于预设损失范围时，确定训练后的所述标签识别模型为目标标签识别模型。

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有米科技股份有限公司，其通讯地址为：510006 广东省广州市番禺区小谷围街青蓝街26号1701；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”。