買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉華南理工大學(xué)申請(qǐng)的專(zhuān)利一種基于動(dòng)態(tài)混合模型的類(lèi)增量圖像分類(lèi)方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116229154B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-05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(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202310043261.0，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種基于動(dòng)態(tài)混合模型的類(lèi)增量圖像分類(lèi)方法是由李逸楠;羅榮華設(shè)計(jì)研發(fā)完成，并于2023-01-29向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于動(dòng)態(tài)混合模型的類(lèi)增量圖像分類(lèi)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于動(dòng)態(tài)混合模型的類(lèi)增量圖像分類(lèi)方法，應(yīng)用于數(shù)據(jù)分階段到來(lái)的類(lèi)增量學(xué)習(xí)場(chǎng)景，步驟如下：在初始時(shí)間階段，利用初始訓(xùn)練數(shù)據(jù)集訓(xùn)練初始分類(lèi)模型；在后續(xù)各時(shí)間階段，構(gòu)建并輸入增量學(xué)習(xí)數(shù)據(jù)集以更新訓(xùn)練得到能夠同時(shí)識(shí)別新舊類(lèi)的新分類(lèi)模型。在訓(xùn)練過(guò)程中，通過(guò)舊分類(lèi)模型在新類(lèi)上的表現(xiàn)動(dòng)態(tài)選擇訓(xùn)練方法；若可塑性較低則使用擴(kuò)增方法增加模塊以適應(yīng)新數(shù)據(jù)提高其可塑性；若可塑性較高則利用局部特征信息代替全局特征信息以合理的調(diào)節(jié)蒸餾方法強(qiáng)度鞏固其穩(wěn)定性。本發(fā)明通過(guò)動(dòng)態(tài)選擇訓(xùn)練方法調(diào)節(jié)分類(lèi)模型可塑性和穩(wěn)定性，使分類(lèi)模型在有限存儲(chǔ)空間的情況下學(xué)習(xí)新知識(shí)且有效的保留舊知識(shí)，是一個(gè)高效且實(shí)用的類(lèi)增量學(xué)習(xí)方法。

本發(fā)明授權(quán)一種基于動(dòng)態(tài)混合模型的類(lèi)增量圖像分類(lèi)方法在權(quán)利要求書(shū)中公布了：1.一種基于動(dòng)態(tài)混合模型的類(lèi)增量圖像分類(lèi)方法，其中，類(lèi)增量圖像是分時(shí)間階段到來(lái)的，且各時(shí)間階段數(shù)據(jù)的類(lèi)別不相交，即D＝{D1,D2,…,Dt-1,Dt,…,DT}，其中Dt代表t時(shí)間階段的任務(wù)數(shù)據(jù)集合，t＝1,2,…,T，T代表時(shí)間階段總數(shù)，且在每個(gè)時(shí)間階段僅能使用當(dāng)前時(shí)間階段新數(shù)據(jù)和事先選取的舊類(lèi)別訓(xùn)練數(shù)據(jù)訓(xùn)練分類(lèi)模型，且要求訓(xùn)練出的分類(lèi)模型能對(duì)所有已知的類(lèi)別數(shù)據(jù)進(jìn)行分類(lèi)；其特征在于，所述類(lèi)增量圖像分類(lèi)方法包括以下步驟： S1、獲取初始任務(wù)數(shù)據(jù)，構(gòu)建初始訓(xùn)練數(shù)據(jù)集，搭建初始分類(lèi)模型并輸入初始訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練； S2、在增量迭代過(guò)程中，選取上一時(shí)間階段訓(xùn)練數(shù)據(jù)集的部分樣本作為舊類(lèi)別訓(xùn)練數(shù)據(jù)，結(jié)合當(dāng)前時(shí)間階段的新任務(wù)數(shù)據(jù)劃分出的訓(xùn)練數(shù)據(jù)，構(gòu)建增量學(xué)習(xí)數(shù)據(jù)集作為當(dāng)前時(shí)間階段的訓(xùn)練數(shù)據(jù)集； S3、根據(jù)上一時(shí)間階段獲得的舊分類(lèi)模型在訓(xùn)練數(shù)據(jù)上的表現(xiàn)結(jié)果動(dòng)態(tài)選擇訓(xùn)練方法構(gòu)建新分類(lèi)模型，輸入增量學(xué)習(xí)數(shù)據(jù)集進(jìn)行訓(xùn)練，最終獲得經(jīng)過(guò)訓(xùn)練的新分類(lèi)模型；過(guò)程如下： 在t時(shí)間階段，根據(jù)t-1時(shí)間階段的舊分類(lèi)模型在新類(lèi)別數(shù)據(jù)上的分類(lèi)準(zhǔn)確率作為訓(xùn)練方法選擇的評(píng)判指標(biāo)，閾值取值為具體方法選擇方式如下： 其中為舊分類(lèi)模型在t-1時(shí)間階段在新類(lèi)別數(shù)據(jù)上的分類(lèi)準(zhǔn)確率，α是調(diào)節(jié)閾值的第一參數(shù)，β是調(diào)節(jié)閾值的第二參數(shù)，|Cincr|代表每個(gè)時(shí)間階段增加的類(lèi)別數(shù)量，|C|代表所有時(shí)間階段的類(lèi)別數(shù)量之和； S31、當(dāng)舊分類(lèi)模型在新類(lèi)上的分類(lèi)準(zhǔn)確率小于等于所設(shè)定的閾值時(shí)則反應(yīng)舊分類(lèi)模型并不能學(xué)習(xí)新類(lèi)任務(wù)的知識(shí)，使用擴(kuò)增方法增加ResNet模塊以適應(yīng)新類(lèi)任務(wù)； S32、當(dāng)舊分類(lèi)模型在新類(lèi)上的分類(lèi)準(zhǔn)確率大于所設(shè)定的閾值時(shí)代表舊分類(lèi)模型能夠適應(yīng)新數(shù)據(jù)，使用蒸餾方法鞏固新分類(lèi)模型的穩(wěn)定性； S4、當(dāng)存在新時(shí)間階段任務(wù)數(shù)據(jù)時(shí)，則重復(fù)迭代進(jìn)行步驟S2和S3，以獲得具備分類(lèi)所有已知類(lèi)別能力的新分類(lèi)模型，然后通過(guò)新分類(lèi)模型進(jìn)行類(lèi)增量圖像分類(lèi)。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人華南理工大學(xué)，其通訊地址為：510640 廣東省廣州市天河區(qū)五山路381號(hào)；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)”。