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！

龙图腾网获悉山东大学申请的专利基于参数级掩码适配器的3D对象分类持续学习方法及系统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：CN119416017B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411431414.X，技术领域涉及：G06F18/241；该发明授权基于参数级掩码适配器的3D对象分类持续学习方法及系统是由张伟;钱龙玥;张林;张倩;张明鑫;李腾设计研发完成，并于2024-10-14向国家知识产权局提交的专利申请。

本基于参数级掩码适配器的3D对象分类持续学习方法及系统在说明书摘要公布了：本发明公开了一种基于参数级掩码适配器的3D对象分类持续学习方法及系统，包括：获取待测3D点云数据，分别提取3D点云数据的2D特征、原始3D特征和文本特征；通过参数级掩码适配器对所述2D特征和3D特征进行融合得到全局特征；所述全局特征与文本特征进行对比学习，得到3D对象分类结果；其中，所述参数级掩码适配器在对多个3D对象分类任务进行持续学习时，对已学会任务的最相关参数进行冻结，所述已学会任务的最相关参数在后续任务中不再更新。本发明通过多模态特征融合，将CLIP模型的先验知识适配到3D对象分类任务中，利用参数级别的掩码实现基于参数隔离的持续学习，有效地减少灾难性遗忘，提升分类性能。本发明还提出了新的模型持续学习能力评估指标，为3D对象分类持续学习提供了更全面的评估框架。

本发明授权基于参数级掩码适配器的3D对象分类持续学习方法及系统在权利要求书中公布了：1.一种基于参数级掩码适配器的3D对象分类持续学习方法，其特征在于，包括： 获取待测3D点云数据，分别提取3D点云数据的2D特征、原始3D特征和文本特征； 通过参数级掩码适配器对所述2D特征和3D特征进行融合得到全局特征； 所述全局特征与文本特征进行对比学习，得到3D对象分类结果； 其中，所述参数级掩码适配器在对多个3D对象分类任务进行持续学习时，对已学会任务的最相关参数进行冻结，所述已学会任务的最相关参数在后续任务中不再更新； 其中，参数级掩码适配器在对多个3D对象分类任务进行持续学习时，对已学会任务的最相关参数进行冻结，具体为： 假设整个网络由权重参数化表示为，参数级掩码适配器的每一层线性层都分配一个同维度的可训练参数层来充当权重分数； 对每个任务训练时，首先随机初始化参数级掩码适配器的所有参数，包括线性层权重及其对应的权重分数；权重分数最高的前c%的权重表示对当前任务最相关的参数，将它们的权重掩码赋值1，其余权重掩码赋值为0；当前任务训练时，掩码值为1的权重参与训练； 反向传播时，通过布尔或运算得到之前已学会的任务的掩码并集，指示所有之前学过的任务的最相关权重，并将它们对应的梯度置零，以保证在当前任务训练时不破坏已学会的权重。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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。