買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉騰訊科技(深圳)有限公司申請的專利一種多目標(biāo)學(xué)習(xí)方法、系統(tǒng)及存儲(chǔ)介質(zhì)和終端設(shè)備獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115115024B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-08發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號(hào)為：202210386375.0，技術(shù)領(lǐng)域涉及：G06N3/045；該發(fā)明授權(quán)一種多目標(biāo)學(xué)習(xí)方法、系統(tǒng)及存儲(chǔ)介質(zhì)和終端設(shè)備是由劉沖設(shè)計(jì)研發(fā)完成，并于2022-04-13向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本一種多目標(biāo)學(xué)習(xí)方法、系統(tǒng)及存儲(chǔ)介質(zhì)和終端設(shè)備在說明書摘要公布了：本發(fā)明實(shí)施例公開了一種多目標(biāo)學(xué)習(xí)方法、系統(tǒng)及存儲(chǔ)介質(zhì)和終端設(shè)備，應(yīng)用于基于人工智能的信息處理技術(shù)領(lǐng)域。多目標(biāo)學(xué)習(xí)系統(tǒng)會(huì)確定多目標(biāo)模型包括共享底層子網(wǎng)絡(luò)、多個(gè)底層任務(wù)子網(wǎng)絡(luò)、多個(gè)任務(wù)特征模塊及多個(gè)任務(wù)輸出模塊，且確定訓(xùn)練樣本中包括多個(gè)樣本信息，根據(jù)多目標(biāo)初始模型及訓(xùn)練樣本計(jì)算與多目標(biāo)初始模型相關(guān)的整體損失函數(shù)中包括：共享底層子網(wǎng)絡(luò)基于樣本信息的輸入特征和輸出特征之間的第一相關(guān)信息，及多個(gè)底層任務(wù)子網(wǎng)絡(luò)基于樣本信息的輸出特征分別與共享底層子網(wǎng)絡(luò)的輸出特征之間的第二相關(guān)信息，進(jìn)而根據(jù)整體損失函數(shù)調(diào)整多目標(biāo)初始模型。本發(fā)明實(shí)施例中學(xué)習(xí)得到的多目標(biāo)模型的效果得到較好地提升。

本發(fā)明授權(quán)一種多目標(biāo)學(xué)習(xí)方法、系統(tǒng)及存儲(chǔ)介質(zhì)和終端設(shè)備在權(quán)利要求書中公布了：1.一種多目標(biāo)學(xué)習(xí)方法，其特征在于，包括： 確定多目標(biāo)初始模型，所述多目標(biāo)初始模型包括：共享底層子網(wǎng)絡(luò)、多個(gè)底層任務(wù)子網(wǎng)絡(luò)、多個(gè)任務(wù)特征模塊、多個(gè)任務(wù)輸出模塊、共享低階特征模塊及多個(gè)低階任務(wù)模塊；所述共享底層子網(wǎng)絡(luò)及多個(gè)底層任務(wù)子網(wǎng)絡(luò)的輸入都相同，且所述共享底層子網(wǎng)絡(luò)的輸出分別連接任一任務(wù)特征模塊的一個(gè)輸入，任一底層任務(wù)子網(wǎng)絡(luò)的輸出分別連接一個(gè)任務(wù)特征模塊的輸入，任一任務(wù)特征模塊的輸出連接一個(gè)任務(wù)輸出模塊的輸入；所述共享低階特征模塊和所述低階任務(wù)模塊的輸入與所述共享底層子網(wǎng)絡(luò)的輸入相同，所述共享低階特征模塊的輸出分別連接到任一任務(wù)輸出模塊，任一所述低階任務(wù)模塊的輸出連接到一個(gè)任務(wù)輸出模塊； 確定訓(xùn)練樣本，所述訓(xùn)練樣本中包括多個(gè)樣本信息；其中，所述樣本信息為樣本圖像； 根據(jù)所述多目標(biāo)初始模型及訓(xùn)練樣本，計(jì)算與所述多目標(biāo)初始模型相關(guān)的整體損失函數(shù)；所述整體損失函數(shù)包括：所述共享底層子網(wǎng)絡(luò)基于所述樣本信息的輸入特征和輸出特征之間的第一相關(guān)信息，及所述多個(gè)底層任務(wù)子網(wǎng)絡(luò)基于所述樣本信息的輸出特征分別與共享底層子網(wǎng)絡(luò)的輸出特征之間的第二相關(guān)信息； 根據(jù)所述整體損失函數(shù)調(diào)整所述多目標(biāo)初始模型，以得到最終的多目標(biāo)模型，其中，所述多目標(biāo)模型用于基于待處理數(shù)據(jù)獲取多個(gè)任務(wù)執(zhí)行結(jié)果，包括：通過所述多目標(biāo)模型，基于待處理數(shù)據(jù)進(jìn)行多個(gè)任務(wù)的執(zhí)行，以得到多個(gè)任務(wù)的執(zhí)行結(jié)果。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人騰訊科技(深圳)有限公司，其通訊地址為：518057 廣東省深圳市南山區(qū)高新區(qū)科技中一路騰訊大廈35層；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。