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！

龍圖騰網恭喜西安電子科技大學申請的專利一種基于正交稀疏網絡的圖像分類方法及裝置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：CN118015346B 。

龍圖騰網通過國家知識產權局官網在2025-03-21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：202410100761.8，技術領域涉及：G06V10/764；該發明授權一種基于正交稀疏網絡的圖像分類方法及裝置是由程德;胡雨松;王楠楠;朱明瑞;高新波設計研發完成，并于2024-01-24向國家知識產權局提交的專利申請。

本一種基于正交稀疏網絡的圖像分類方法及裝置在說明書摘要公布了：本發明提出了一種基于正交網絡的圖像分類方法及裝置，從電子設備獲取當前時刻的當前環境下監測到的圖像作為待分類圖像，并生成該待分類圖像的當前分類任務；執行所述當前分類任務，以將所述待分類圖像輸入至訓練完成的分類模型中，以使所述分類模型輸出所述待分類圖像的類別。本發明訓練完成的分類模型具有保存舊知識的固定參數、共享舊知識和新知識的共享參數、學習新知識的自由參數。本發明通過剪枝后的分類模型中的共享參數來解決圖像分類模型中的災難性遺忘問題，以對當前監測到的圖像分類可以提高分類的準確性和效率，這是促進圖像分類技術的現實應用的關鍵。

本發明授權一種基于正交稀疏網絡的圖像分類方法及裝置在權利要求書中公布了：1.一種基于正交稀疏網絡的圖像分類方法，其特征在于，包括：S100，從電子設備獲取當前時刻的當前環境下監測到的圖像作為待分類圖像，并生成該待分類圖像的當前分類任務；S200，執行所述當前分類任務，以將所述待分類圖像輸入至訓練完成的分類模型中，以使所述分類模型輸出所述待分類圖像的類別；所述訓練完成的分類模型具有保存舊知識的固定參數、共享舊知識和新知識的共享參數、學習新知識的自由參數；所述訓練完成的分類模型的訓練過程包括：S1，利用多種類別的圖像構建數據集，并將所述數據集劃分為若干個獨立的任務，其中，每個任務包含相同數量的不同類別的圖像；S2，針對若干個獨立的任務中的任一個任務作為舊任務，執行所述舊任務以利用該舊任務包含的圖像訓練所述分類模型，以使所述分類模型學習所述舊任務的知識得到第一分類模型；S3，對所述第一分類模型的學習參數作剪枝，以剪除不重要的學習參數；S4，利用網絡重分區策略在S3剪除后剩余的學習參數中選擇共享參數，并將重要的學習參數中其余的學習參數作為自由參數得到剪枝后的分類模型；S5，另選一個任務作為新任務，并執行所述新任務以利用所述新任務包含的圖像對剪枝后的分類模型進行再訓練，得到利用舊任務和新任務訓練的第二分類模型；S6，對所述第二分類模型的學習參數作剪枝，以剪除不重要的學習參數，保留重要的學習參數；S7，重復S4至S6的過程直至S1中的所有任務執行完畢，得到訓練完成的分類模型；所述S5包括：S51，選擇另一任務作為新任務；S52，執行所述新任務以利用所述新任務包含的圖像對剪枝后的分類模型再訓練，在訓練過程中保留舊任務的固定參數，并更新所述共享參數以搜索新任務和舊任務的共享知識，并更新用于學習新任務的自由參數，得到利用舊任務和新任務訓練的第二分類模型；所述S52中更新所述共享參數的更新方式為： 其中，超參數η為學習率，是正交投影矩陣，代表了正交于前t-1個舊任務第l層特征空間的方向；l和t分別是分類模型的網絡層數和任務序數，是交叉熵損失函數，為一個二進制掩碼，表示具有高權重重要性評分c的相應參數在訓練新任務時被挑選出來，被挑選出的學習參數由和的交集表示，記為更新所述固定參數的更新方式為：

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西安電子科技大學，其通訊地址為：710071 陜西省西安市太白南路2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”。