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！

龍圖騰網恭喜北京航空航天大學申請的專利一種無需多任務聯合標注的多任務深度學習訓練方法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：CN114298324B 。

龍圖騰網通過國家知識產權局官網在2025-04-01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：202111635176.0，技術領域涉及：G06N20/00；該發明授權一種無需多任務聯合標注的多任務深度學習訓練方法是由王睿;鄒佳伶;辛佳雯設計研發完成，并于2021-12-29向國家知識產權局提交的專利申請。

本一種無需多任務聯合標注的多任務深度學習訓練方法在說明書摘要公布了：本發明涉及一種無需多任務聯合標注的多任務深度學習訓練方法，涉及計算機視覺領域。首先，利用與目標任務對應的單任務標注數據集訓練目標任務分支網絡，利用與若干輔助任務分別對應的各單任務標注數據集訓練各輔助分支網絡；之后通過計算各輔助任務特征與目標任務特征的Gram矩陣，形成對各輔助任務特征的通道注意力，進而調整相應的輔助任務特征的各分量權值，再將調整后的多組輔助任務特征與目標任務特征進行級聯融合，構建實現目標任務的整合網絡；最后利用與目標任務對應的單任務標注數據集訓練整合網絡實現目標任務。本發明采用基于Gram通道注意力機制的特征融合，實現了針對目標任務而無需多任務聯合標注訓練集的多任務訓練。

本發明授權一種無需多任務聯合標注的多任務深度學習訓練方法在權利要求書中公布了：1.一種無需多任務聯合標注的多任務深度學習訓練方法，包括：步驟1，利用與目標任務對應的單任務標注數據集訓練目標任務分支網絡，確保目標任務分支網絡能夠初步實現對目標任務相關特征的提取；所述與目標任務對應的單任務標注數據集為KITTI的立體圖像集；所述目標任務分支網絡為自監督單目深度估計網絡；所述目標任務為單目深度估計任務；步驟2，利用與若干輔助任務分別對應的各單任務標注數據集訓練輔助分支網絡，確保每個輔助分支網絡能夠實現對相應輔助任務相關特征的提取；所述輔助分支網絡包括語義分割分支網絡；所述語義分割分支網絡通過Cityscapes的語義分割數據集進行訓練，所述輔助任務包括語義分割任務；步驟3，通過每個輔助分支網絡提取的輔助任務特征與目標任務分支網絡提取的目標任務特征計算Gram矩陣，Gram矩陣作為協方差陣能夠定量表示每組輔助任務特征與目標任務特征之間的非線性相關性，進而形成對每組輔助任務特征的通道注意力，以調整相應的輔助任務特征的各分量權值，再將調整后的多組輔助任務特征與目標任務特征進行級聯，實現特征融合，構建實現目標任務的整合網絡，具體為：首先對所有K個輔助任務的特征及目標任務的特征進行批歸一化，規定特征大小為H×W×C，其中W,H,C分別為特征的長、寬及通道數；對于第kk＝1,…,K個輔助分支網絡，其提取特征表示為Xkii＝1,2,…,Ck1，大小為H×W×Ck1，其中Xki為第k個輔助任務的第i通道二維特征，共Ck1個通道，目標任務分支網絡提取的特征表示為Yjj＝1,2,…,C2，大小為H×W×C2，其中Yj為第j通道的二維特征，共C2個通道；利用Xki及Yj計算二者的Frobenius矩陣內積作為Gramki,j，即Gramki,j可定量表示Xki與Yj之間的非線性相關性：當Gramki,j為正，Xki與Yj呈正相關；當Gramki,j為負，Xki與Yj呈負相關；當Gramki,j的絕對值越大，Xki與Yj相關性越強；通過將第k個輔助分支網絡的Ck1個輔助任務特征與C2個目標任務特征相乘可得到大小為Ck1×C2的Gramk矩陣；對于該Gramk矩陣，第i行代表第i通道的輔助任務特征與每一通道目標任務特征兩兩之間的相關性，因此第i行的最大值即表示了第i通道的輔助任務特征與目標任務特征具有的最大相關性，當行最大值越大，相關性越強，即可以認為該通道輔助任務特征越能夠通過目標任務特征表征，因此該通道輔助任務特征對于融合后的特征冗余性越高，對其分配的注意力應降低，反之對其分配的注意力應增加，因此，通過對該Gramk矩陣取各行的最大值形成C1k×1的相關性向量，反映了第k個輔助任務每個通道特征與目標任務特征之間的相關性；通過對相關性向量進行全連接層計算得到對第k組輔助任務特征各通道的權重因子，對相應通道的輔助任務特征進行加權擴縮可得到調整后的第k組輔助任務特征，即第k組待融合輔助任務特征；將所有K組待融合輔助任務特征及目標任務特征共K+1組特征在通道維度級聯，形成融合后特征，并構建整合網絡；步驟4，遷移所有分支網絡的訓練參數到步驟3中構建的整合網絡，具體為：將步驟1及步驟2訓練得到的分支網絡參數遷移到步驟3中構建整合網絡的各個分支，作為步驟5訓練的初始參數；步驟5，利用與目標任務對應的單任務標注數據集訓練步驟4中已初始化的整合網絡，具體為：固定整合網絡中各個輔助分支的編碼器參數，確保輔助任務分支在訓練過程中仍然提取輔助任務相關特征，并通過步驟3對K個輔助任務每一輪訓練后所輸出的每一組輔助任務的特征進行Gram注意力調整和與目標任務特征的融合操作，實現對目標任務的多任務訓練。

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北京航空航天大學，其通訊地址為：100191 北京市海淀區學院路37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”。