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！

龙图腾网获悉武汉大学申请的专利基于原型回忆和非对称知识聚合的类增量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：CN117274770B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202311171189.6，技术领域涉及：G06V10/82；该发明授权基于原型回忆和非对称知识聚合的类增量学习方法及系统是由叶茫;施武轩;童倩设计研发完成，并于2023-09-11向国家知识产权局提交的专利申请。

本基于原型回忆和非对称知识聚合的类增量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原型回忆和非对称知识聚合的类增量学习方法，通过旋转变换对当前任务的类进行扩充，并将增强的数据提供给特征提取器。为每个旧类别存储一个代表性的类别原型后，用被提取的新类特征和存储的旧类原型结合来生成的旧类特征，之后生成的旧类特征与新数据提取的特征进行联合训练，以实现原型回忆。之后，聚合通过自监督标签增强学习的分类器上的知识，并将其转移到另一个只识别未增强类的分类器上。本发明提出的原型回忆方法，能在一个不断更新的表征空间中为先前数据的特征分布建模，从而抑制灾难性遗忘；提出的非对称知识聚合方法，能学习与任务无关的表示，并完整地捕捉新获取的知识，提高了增量学习器的可塑性。

本发明授权基于原型回忆和非对称知识聚合的类增量学习方法及系统在权利要求书中公布了：1.一种基于原型回忆和非对称知识聚合的类增量学习方法，其特征在于，包括以下步骤： 步骤1：通过旋转变换对当前任务的类进行扩充，并将增强的数据提供给特征提取器，提取新类特征； 步骤2：为每个旧类别存储一个代表性的类别原型，作为旧类原型； 步骤3：用被提取的新类特征和存储的旧类原型结合生成旧类特征，在持续更新的表征空间中，对旧数据的特征分布动态建模； 其中，利用原型回忆策略在持续更新的表征空间中，对旧数据的特征分布动态建模；是随机选择旧类的一个原型和新类的一个特征，在和之间进行随机双向插值运算： 其中，为当前表示空间中生成的旧类特征；是从[0,1中随机抽取的随机数；系数从Beta分布中随机采样得到； 步骤4：将生成的旧类特征与新数据提取的特征进行联合训练，实现原型回忆； 所述将生成的旧类特征与新数据提取的特征进行联合训练，是指将生成的旧类特征与新数据提取的特征输入到增强分类器和未增强分类器，并计算交叉熵损失： 其中，代表交叉熵损失，代表分类器的参数，代表分类器的参数； 步骤5：聚合通过自监督标签增强学习的分类器上的知识，并将其转移到另一个只识别未增强类的分类器上，提高模型的可塑性； 步骤6：最小化当前模型提取的新数据的特征和先前模型的特征的欧式距离，约束特征提取器。

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大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。