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！

龙图腾网获悉武汉纺织大学申请的专利一种图像持续学习识别方法、装置及设备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：CN115630694B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202211287865.1，技术领域涉及：G06N3/084；该发明授权一种图像持续学习识别方法、装置及设备是由廖海斌;袁理;吴谋设计研发完成，并于2022-10-20向国家知识产权局提交的专利申请。

本一种图像持续学习识别方法、装置及设备在说明书摘要公布了：本发明提出一种图像持续学习识别方法、装置及设备，利用该持续学习方法可以实现无限种图像识别学习任务，主要包括特征提取共享和知识迁移学习两大步骤，其中，特征提取共享由无监督预训练和有监督调优组成，知识迁移学习由知识仓库构建、知识迁移、更新知识库、模型学习和接受反馈组成。本发明利用知识迁移技术可以做到利用一个模型进行图像识别持续训练学习，最终可做到使用一个模型实现任意种类图像的识别任务，并通过实验验证了本发明的效果。

本发明授权一种图像持续学习识别方法、装置及设备在权利要求书中公布了：1.一种图像持续学习识别方法，其特征在于，包括特征提取共享和知识迁移学习两大步骤，其中特征提取共享包括如下子步骤： S11，无监督预训练，采用自编码网络中的无监督重构预训练方法训练得到特征提取共享模型； S12，维护更新特征提取共享模型，使用BP反向传播算法对S11步骤生成的特征提取共享模型进行微调更新； 步骤S12中，预训练完成后，开始连续地进行图像识别任务，设定当前即将识别的任务为任务t，任务t的表示为Zt＝Xt,yt，其中，Xt为任务t中图像样本，yt为其对应的标签；使用这些数据对S11步骤生成的特征提取共享模型进行微调更新，以避免由于出现分布漂移而影响特征的代表性，使用BP反向传播算法更新特征模型； 先对输入Xt自下而上计算一次每层特征，得到Hl,l＝1,2,3,…,nL，nL表示最大的层数，利用单任务学习器对Hl,yt进行学习得到参数W0，应用BP算法对网络参数进行调优；对每一层l，计算∪l＝Hl*1-Hl∪l+1Wl+1 T，如果是最后一层，则∪l＝Hl*1-Hlyt，通过Wl←Wl-αtHl-1 T∪l更新矩阵Wl； 考虑到避免任务负迁移的发生，模型的学习率αt是随任务相关性变化的，即对每一个任务t，计算它和前一个任务的相关性γt： γt＝cosθt,θt-1＝cosLst,Lst-1＝cosst,st-1 其中，L∈Rd×k为知识库矩阵，st为性线组合系数；每一个任务模型的参数θt由L矩阵里的某些列向量线性组合组成，即θt＝Lst，cos表示两个向量的余弦夹角，任务模型的划分超平面之间的夹角越小，任务相关性越高；进一步的，任务学习率αt由下式决定： αt＝αcγt+12 其中αc为BP调优的基准学习率，是需要手工调优的超参数； S13，使用更新后的特征提取共享模型对待识别图像Xt进行逐层特征提取得到图像特征Ht，t表示第t个识别任务； S14，对当前任务的特征Ht进行分解求解模型参数θt以及知识库矩阵L； 知识迁移学习包括知识仓库构建、知识迁移、模型学习、更新知识库和接受反馈； 其中知识迁移中使用特征提取共享模块提取得到的特征Ht构建新任务Zt＝Ht,yt，yt为标签，随后对这组训练数据使用终身机器学习算法进行迁移学习，获得每个任务最终的图像识别学习模型ftθ，并利用学习模型进行图像识别。

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武汉纺织大学，其通讯地址为：430073 湖北省武汉市洪山区纺织路1号；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”。