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！

龙图腾网获悉西安交通大学申请的专利基于动态类原型生成机制的类增量学习方法及产品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：CN116310557B 。

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：202310274438.8，技术领域涉及：G06V10/764；该发明授权基于动态类原型生成机制的类增量学习方法及产品是由王少鲲;郁一帆;龚怡宏;石伟伟;高欣源;贺宇航设计研发完成，并于2023-03-20向国家知识产权局提交的专利申请。

本基于动态类原型生成机制的类增量学习方法及产品在说明书摘要公布了：本发明提出了一种基于动态类原型生成机制的类增量学习方法及产品，属于人工智能领域，包括以下步骤：1划分类增量数据集并分配给T+1个训练阶段作为训练样本；2对当前阶段的特征提取器和分类器进行训练；3利用当前阶段样本的特征表示，定义出特征密度，并基于特征密度计算类别原型；4采用基于拓扑纠正的原型漂移估计方法对之前所有阶段的各个类别原型进行更新；5利用更新后的之前所有阶段的各个类别原型获得各个类别的伪特征；6定义多目标损失函数，学习新的特征空间和分类器权重；7重复步骤3至6，直到所有增量阶段训练结束；8每个训练阶段结束后，采用所述模型对所有学习过的类别进行评估。

本发明授权基于动态类原型生成机制的类增量学习方法及产品在权利要求书中公布了：1.一种基于动态类原型生成机制的类增量学习方法，其特征在于，包括以下步骤： 步骤1，将图像数据集按照类别划分为多个类别不重叠的数据集，并将所述多个类别不重叠的数据集分配给1个基类阶段和个增量阶段，每个训练阶段的训练样本为分配给当前阶段的数据集； 步骤2，使用步骤1中当前阶段的训练样本对特征提取器和分类器进行训练，学习当前阶段的特征空间和分类器权重； 步骤3，利用所述特征提取器获得当前阶段的训练样本的特征表示，定义出特征密度，并基于所述特征密度计算出当前阶段各个类别的原型； 步骤4，在每个增量阶段，对于步骤3中计算出的之前所有阶段各个类别的原型，计算出每个增量阶段的特征空间的漂移量；利用所述每个增量阶段的特征空间的漂移量估计之前所有阶段的类别原型的漂移量；利用局部拓扑关系计算拓扑纠正量，并对所述之前所有阶段各个类别的原型进行更新； 步骤5，在每个增量阶段，利用步骤4更新后的之前所有阶段各个类别的原型，生成之前所有阶段各个类别的伪特征； 步骤6，在每个增量阶段，基于步骤3中的当前阶段的训练样本的特征表示及其分类预测结果，以及步骤5中的之前所有阶段各个类别的伪特征及其分类预测结果，定义多目标损失函数，学习新的特征空间和分类器权重； 步骤7，重复步骤3至6，直到所有增量阶段训练结束； 步骤8，使用训练后的模型，以平均准确度和平均遗忘率作为评估指标，对所有学习过的类别进行评估，得到基于动态类原型生成机制的类增量学习模型； 其中，定义如下： ，其中，类别，阶段的特征表示，阶段t的特征表示，和是分别由特征提取器和得到，为特征表示相对于特征表示的漂移量； 定义如下： ，其中，类别，表示欧式距离，的原型，为阶段第的训练样本的特征表示，是超参数； 拓扑纠正量定义为的K近邻漂移量的加权和： ，其中，，是之前所有阶段的类别原型的K近邻，是类别原型的漂移量，是超参数； 之前所有阶段类别的原型拓扑纠正漂移量定义如下： 其中，是是用来调节和的超参数； 更新后的类别原型，定义如下： 。

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西安交通大学，其通讯地址为：710049 陕西省西安市咸宁西路28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”。

以上内容由龙图腾AI智能生成。