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！

龙图腾网获悉中山大学申请的专利基于模型参数和剪枝策略的持续学习图像识别方法及装置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：CN114418094B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202210063640.1，技术领域涉及：G06V10/82；该发明授权基于模型参数和剪枝策略的持续学习图像识别方法及装置是由王瑞轩;李焯昀设计研发完成，并于2022-01-20向国家知识产权局提交的专利申请。

本基于模型参数和剪枝策略的持续学习图像识别方法及装置在说明书摘要公布了：本发明公开了一种基于模型参数和剪枝策略的持续学习图像识别方法及装置，方法包括：收集新增类别数据及历史类别数据；构建持续学习图像识别模型；将新增类别数据与Rehearsal策略保存的部分旧类别数据合并，组成训练数据；输入持续学习图像识别模型中，新增特征提取器和FC层；利用知识蒸馏训练持续学习图像识别模型，并使用剪枝策略去除新增特征提取器中不重要的卷积核；对新增类别数据及历史类别数据使用Rehearsal策略，保存部分类别数据；将待测试数据输入持续学习图像识别模型中进行测试，获得图像识别结果。本方法从模型参数角度，采用知识蒸馏解决了图像识别中持续学习问题，结合剪枝策略减缓模型参数量的增长速度，提高了图像识别的准确率和效率。

本发明授权基于模型参数和剪枝策略的持续学习图像识别方法及装置在权利要求书中公布了：1.基于模型参数和剪枝策略的持续学习图像识别方法，其特征在于，包括下述步骤： 收集新增类别数据及历史类别数据； 构建持续学习图像识别模型；所述持续学习图像识别模型包括多个特征提取器、多个FC层和NME分类器；所述特征提取器用于提取类别数据的特征；所述FC层用于对特征进行筛选过滤；所述NME分类器用于对特征进行分类； 将新增类别数据与Rehearsal策略保存的部分旧类别数据合并，组成训练数据； 将训练数据输入持续学习图像识别模型中，新增特征提取器和FC层； 所述新增特征提取器和FC层，具体指： 当第T轮收集到新增类别数据时，在持续学习图像识别模型中新增第T个特征提取器及对应的第T个FC层； 利用知识蒸馏训练持续学习图像识别模型，并使用剪枝策略去除新增特征提取器中不重要的卷积核； 所述利用知识蒸馏训练持续学习图像识别模型，具体为： 固定持续学习图像识别模型中前T‑1轮特征提取器的模型参数，利用第T‑1轮特征提取器的权重初始化第T轮特征提取器； 第T轮特征提取器在新增类别数据上通过交叉熵函数进行训练，并通过知识蒸馏损失函数，将知识从第T‑1轮特征提取器中蒸馏至第T轮特征提取器； 所述使用剪枝策略去除新增特征提取器中不重要的卷积核，具体为： 新增特征提取器中每一层都会使用BN层，其表达式为： Y＝Ax+B其中，Y表示BN层的输出，A、B均为可学习参数，维度与卷积核个数一致，x为新增特征提取器中卷积层的输出； 对A施加一个L1正则项，使其取值趋于0，表示新增特征提取器中卷积层提取的特征不重要； 若A取值趋近于0，则将A对应的卷积核从新增特征提取器中去除； 对新增类别数据及历史类别数据使用Rehearsal策略，保存部分类别数据； 将待测试数据输入持续学习图像识别模型中进行测试，获得图像识别结果。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。