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！

龙图腾网获悉深圳写手智能科技有限公司申请的专利图像预训练模型的训练方法、系统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：CN120913029B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202510865699.6，技术领域涉及：G06V10/82；该发明授权图像预训练模型的训练方法、系统及存储介质是由徐正春设计研发完成，并于2025-06-26向国家知识产权局提交的专利申请。

本图像预训练模型的训练方法、系统及存储介质在说明书摘要公布了：本发明涉及图像预训练技术领域，尤其涉及一种图像预训练模型的训练方法、系统及存储介质。所述方法包括以下步骤：采集原始训练图像，并进行高维特征映射和金字塔变换，以生成多分辨率特征体，基于特征体对图像进行纹理清晰度判定，筛分出瑕疵训练图像和合格训练图像，对于瑕疵训练图像，采用溯源纠正技术修正为瑕疵纠正训练图像，并构建正负对比图像以训练瑕疵图像预训练模型，同时，对合格训练图像进行弱扰动变换，生成扰动前后正例对以训练合格图像预训练模型，将两个预训练模型集成为协同样本流，通过集成预训练获得高性能的集成图像预训练模型。本发明实现了图像质量分级与差异建模，提高了瑕疵识别精度，增强了模型泛化能力。

本发明授权图像预训练模型的训练方法、系统及存储介质在权利要求书中公布了：1.一种图像预训练模型的训练方法，其特征在于，包括以下步骤： 步骤S1：采集原始训练图像后，提取图像中的语义信息并进行特征处理，生成结构化的高维特征数据；将高维特征数据按三个不同的比例依次缩小，最终生成多分辨率特征体； 步骤S2：通过融合各个分辨率的特征体分析图像的纹理清晰度，并根据纹理清晰度将原始图像分为瑕疵训练图像以及合格训练图像； 步骤S3：将瑕疵训练图像溯源纠正为瑕疵纠正训练图像，并基于瑕疵纠正训练图像以及瑕疵训练图像构建正负对比图像；结合正负对比图像进行对比训练，从而构建瑕疵图像的预训练模型，步骤S3中将瑕疵训练图像溯源纠正为瑕疵纠正训练图像，并基于瑕疵纠正训练图像以及瑕疵训练图像构建正负对比图像包括： 提取瑕疵训练图像中的瑕疵特征，并基于瑕疵特征切割瑕疵训练图像中的瑕疵区域图像； 通过瑕疵特征对瑕疵区域图像进行瑕疵溯源处理，从而得到图像瑕疵源头数据，具体为： 将瑕疵区域图像输入预构建的溯源网络结构中，输入瑕疵图像时卷积层提取不同尺度下的特征图，对各空间位置的特征响应权重进行加权处理，计算每个像素对应的注意力响应因子，并对原始特征图进行点乘映射操作生成位置标定特征图，结合原图上下文语义特征进行反卷积重构，重构输出为包含瑕疵生成起始点、边缘扩展轨迹与显性缺陷纹理变化路径的空间坐标图像数据，该数据构成图像瑕疵源头数据； 对图像瑕疵源头数据进行源头瑕疵规避模拟，以生成模拟瑕疵源头规避数据，具体为： 读取溯源结果中的坐标信息与结构路径并输入至瑕疵规避生成器中，该生成器包含形态一致性约束模块，在形态一致性约束模块中采用特定正则化损失对重建区域的灰度连续性、边缘平滑性与纹理均质性进行三重约束，所有模拟规避图像经过验证后剔除生成不稳定图像，仅保留纹理边界一致度大于阈值的规避数据作为模拟瑕疵源头规避数据输出； 通过模拟瑕疵源头规避数据对瑕疵区域图像进行瑕疵纠正处理，得到瑕疵纠正训练图像； 将瑕疵纠正训练图像以及瑕疵训练图像投射到同一空间中，并进行图像比对处理，以得到正负对比图像； 步骤S4：基于合格训练图像进行弱扰动变换，并将变换前后的图像一一配对，以构建扰动前后正例对；从扰动前后正例对中找出特征一致的区域，并利用这些区域图像来训练合格图像的预训练模型； 步骤S5：将瑕疵图像预训练模型以及合格图像预训练模型各自的特征数据集成为协同样本流，并通过该样本流进行联合训练，从而得到集成图像预训练模型。

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深圳写手智能科技有限公司，其通讯地址为：518000 广东省深圳市南山区粤海街道高新区社区科技南十二路012号曙光大厦1501；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。