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！

龙图腾网获悉合肥工业大学申请的专利基于对比学习与自相关增量学习的多目标域自适应方法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：CN116597211B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310559677.8，技术领域涉及：G06V10/764；该发明授权基于对比学习与自相关增量学习的多目标域自适应方法是由卫星;闻斌;杨帆;赵冲;翟琰;陆阳设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本基于对比学习与自相关增量学习的多目标域自适应方法在说明书摘要公布了：本发明提出基于对比学习与自相关增量学习的多目标域自适应方法，包括：利用特征提取器分别获取源域数据和第一个目标域数据的对比损失，利用分类器获取源域数据的交叉熵损失；优化对比损失和交叉熵损失，进行源域数据和第一个目标域数据的对齐；基于完成对齐后的特征提取器，进行共享权重参数，获取训练后的特征提取器和分类器；构建单源目标域自适应图像分类且保证分类性能的分类模型，对目标域进行分类。本发明在每个域内通过对样本进行数据增强获得其正样本，其他样本为其负样本，通过最小化对比学习损失来拉近源域和目标域，加入了增量学习模块保证了学习到多个目标域的域不变知识，通过源域得到的自相关损失保证了一对多过程分类的准确性。

本发明授权基于对比学习与自相关增量学习的多目标域自适应方法在权利要求书中公布了：1.基于对比学习与自相关增量学习的多目标域自适应方法，其特征在于，包括： 利用特征提取器，分别获取源域数据和第一个目标域数据的对比损失，以及利用分类器C，获取所述源域数据的交叉熵损失；分别获取源域数据和第一个目标域数据的对比损失包括： 设置两个特征提取器；其中，两个所述特征提取器的初始权重相同，第一特征提取器作为当前训练的特征提取器G，第二特征提取器作为增量学习模块的特征提取器M； 将所述源域数据和第一个目标域数据进行随机数据增强，将增强后的数据输入所述特征提取器G，并分布计算源域数据和第一个目标域数据的对比损失； 优化所述对比损失和交叉熵损失，进行源域数据和第一个目标域数据的对齐； 基于完成对齐后的特征提取器，进行共享权重参数，获取训练后的特征提取器和分类器C；获取训练后的特征提取器和分类器C包括： 1对所述源域数据和下一个目标域数据进行随机数据增强，将增强后的数据输入所 述特征提取器G，获取特征和，并计算获取两个对比损失和；为下一 个目标域数据的对比损失； 2将所述源域数据输入分类器C，获取交叉熵损失； 3将源域数据S输入特征提取器M，获取特征，将两个来自同一个源域的两个特 征和通过蒸馏损失进行特征对齐： 4将特征送入分类器C，通过自相关矩阵，计算得到自相关损失； 5优化上述五个损失，对齐源域、目标域Tk 以及目标域Tk+1，并在训练过程中保证了源域语义信息不丢失； 6将完成源域数据和下一个目标域数据对齐的特征提取器G的权重参数，保存给特征提取器M； 7重复1到6，直到学习完成K个目标域的知识，获得训练后的特征提取器和分类器； 基于训练后特征提取器和分类器C，构建单源目标域自适应图像分类且保证分类性能的分类模型，基于所述分类模型对目标域进行分类。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市屯溪路193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。