買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉OPPO廣東移動通信有限公司申請的專利模型生成方法、圖像標注方法、裝置以及電子設備獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114722893B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210168133.4，技術領域涉及：G06V10/774；該發明授權模型生成方法、圖像標注方法、裝置以及電子設備是由何志海;李亞乾;郭彥東設計研發完成，并于2022-02-23向國家知識產權局提交的專利申請。

本模型生成方法、圖像標注方法、裝置以及電子設備在說明書摘要公布了：本申請實施例公開了一種模型生成方法、圖像標注方法、裝置以及電子設備。所述方法包括：在當次訓練過程中，基于第一數據集以及第二數據集對當次訓練過程對應的待訓練圖像標注模型進行訓練，得到當次訓練過程對應的訓練完成的模型；若當次訓練過程滿足目標訓練條件，將訓練完成的模型作為目標圖像標注模型，若當次訓練過程不滿足目標訓練條件，將訓練完成的模型作為下一次訓練過程的待訓練圖像標注模型。通過上述方式使得，基于第一數據集以及第二數據集對待訓練圖像標注模型進行訓練，得到目標圖像標注模型，實現了目標圖像標注模型對第二數據集所屬域的自適應，提高了目標圖像標注模型對與第二數據集所屬域相同的未標注圖像的標注準確性。

本發明授權模型生成方法、圖像標注方法、裝置以及電子設備在權利要求書中公布了：1.一種模型生成方法，其特征在于，應用于電子設備，所述方法包括： 在當次訓練過程中，基于第一數據集對當次訓練過程對應的待訓練圖像標注模型進行訓練，得到當次訓練過程對應的第一圖像標注模型，所述待訓練圖像標注模型包括特征提取網絡和分類器網絡，所述第一圖像標注模型與所述待訓練圖像標注模型的網絡結構相同；其中，所述第一數據集包括多張標注圖像以及所述多張標注圖像各自對應的真實標簽，所述在當次訓練過程中，基于第一數據集對當次訓練過程對應的待訓練圖像標注模型進行訓練，得到當次訓練過程對應的第一圖像標注模型，包括：在當次訓練過程中，將所述多張標注圖像輸入到當次訓練過程對應的待訓練圖像標注模型，得到所述多張標注圖像各自對應的預測標簽；基于所述預測標簽與所述真實標簽之間的差異，確定第一損失函數的損失值，所述第一損失函數用于減少所述預測標簽與所述真實標簽之間的差異；基于第一損失函數的損失值調整所述當次訓練過程對應的待訓練圖像標注模型的模型參數，得到所述當次訓練過程對應的第一圖像標注模型； 基于所述第一數據集以及第二數據集對所述第一圖像標注模型的分類器網絡進行訓練，得到當次訓練過程對應的第二圖像標注模型，所述第二圖像標注模型與所述第一圖像標注模型的網絡結構相同，所述第一數據集與所述第二數據集所屬領域不相同；所述第二數據集包括多張未標注圖像，所述分類器網絡包括第一分類器網絡和第二分類器網絡，所述第一分類器網絡和所述第二分類器網絡分別包括全連接層，所述基于所述第一數據集以及第二數據集對所述第一圖像標注模型的分類器網絡進行訓練，得到當次訓練過程對應的第二圖像標注模型，包括：將所述多張標注圖像以及所述多張未標注圖像輸入到所述第一圖像標注模型，得到所述多張標注圖像各自對應的預測標簽、所述多張未標注圖像各自對應的第一預測概率值和第二預測概率值，其中，所述第一預測概率值由所述第一分類器網絡的全連接層輸出，所述第二預測概率值由所述第二分類器網絡的全連接層輸出；基于所述多張標注圖像各自對應的預測標簽與真實標簽之間的差異，以及所述多張未標注圖像各自對應的第一預測概率值與第二預測概率值之間的差異，確定第二損失函數的損失值，所述第二損失函數用于使所述第一分類網絡和第二分類器網絡對所述第一數據集正確分類的同時，增大所述多張未標注圖像各自對應的第一預測概率值與第二預測概率值之間的差異；基于第二損失函數的損失值調整所述當次訓練過程對應的第一圖像標注模型的分類器網絡的模型參數，得到所述當次訓練過程對應的第二圖像標注模型，其中，在當次訓練過程中，所述第一圖像標注模型的特征提取網絡的模型參數不變； 將所述多張未標注圖像輸入到所述第二圖像標注模型，得到所述多張未標注圖像各自對應的第一預測概率值和第二預測概率值，其中，所述第一預測概率值由所述第一分類器網絡的全連接層輸出，所述第二預測概率值由所述第二分類器網絡的全連接層輸出；基于所述多張未標注圖像各自對應的第一預測概率值與第二預測概率值之間的差異，確定第三損失函數的損失值，所述第三損失函數用于減小所述多張未標注圖像各自對應的第一預測概率值與第二預測概率值之間的差異；基于第三損失函數的損失值調整所述第二圖像標注模型的特征提取網絡的模型參數，得到所述當次訓練過程對應的訓練完成的模型，其中，在當次訓練過程中，所述第二圖像標注模型的分類器網絡的模型參數不變，所述訓練完成的模型與所述第二圖像標注模型的網絡結構相同； 若當次訓練過程滿足目標訓練條件，將所述訓練完成的模型作為目標圖像標注模型，若當次訓練過程不滿足目標訓練條件，進入下一次的訓練過程，并將所述訓練完成的模型作為下一次訓練過程對應的待訓練圖像標注模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人OPPO廣東移動通信有限公司，其通訊地址為：523860 廣東省東莞市長安鎮烏沙海濱路18號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。