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！

龙图腾网获悉电子科技大学申请的专利基于双分支网络的连续学习的图像分类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：CN116310484B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202211587833.3，技术领域涉及：G06V10/764；该发明授权基于双分支网络的连续学习的图像分类方法是由许林峰;邱子欢;吴庆波;潘力立;孟凡满;李宏亮设计研发完成，并于2022-12-11向国家知识产权局提交的专利申请。

本基于双分支网络的连续学习的图像分类方法在说明书摘要公布了：本发明公开了一种基于双分支网络的连续学习的图像分类方法，属于图像处理技术领域。本发明包括：构建双分支网络，包含主分支、记忆分支；使用记忆分支学习第1批类别，并生成第1批类别的预测结果；从第2批开始，使用主分支学习第t批类别，更新记忆分支参数，生成第1批至第t批类别的预测结果；后续批次采用与步骤三相同的方法进行学习，直至学习完所有批次。本发明能有效避免学习新的类别时造成的旧类别遗忘以及有效克服类别不平衡造成的预测偏见现象，并且不额外增加模型参数量或网络结构。本发明有效提升了模型处理类增量数据的性能。

本发明授权基于双分支网络的连续学习的图像分类方法在权利要求书中公布了：1.基于双分支网络的连续学习的图像分类方法，其特征在于，包括下列步骤： 步骤1：构建用于图像分类的双分支网络，所述双分支网络包括主分支特征提取网络、记忆分支特征提取网络、主分类器、记忆分类器和辅助分类器； 其中，主分支特征提取网络依次包括：输入卷积块、多个主分支残差层、输出卷积块和全局平均池化层；记忆分支特征提取网络依次包括：多个记忆分支残差层、一个输出卷积块和全局平均池化层；且记忆分支的输入为主分支的第一个主分支残差层的输出； 所述主分类器的输入包括：记忆分支特征提取网络的输出特征，以及主分支特征提取网络的输出特征与记忆分支特征提取网络的输出特征拼接后的组合特征； 所述记忆分类器的输入为记忆分支特征提取网络的输出特征； 所述辅助分类器的输入为主分支特征提取网络的输出特征，且所述辅助分类器仅用于双分支网络的训练； 步骤2：将图像分类任务的类别按照类增量的先后依次划分为多个类别批次； 步骤3：基于记忆分支特征提取网络学习第1批类别，并生成第1批类别的图像分类预测结果： 设置主分类器的预测类别为：第1批类别的各个图像类别； 输入图片经输入卷积块、主分支的第一个主分支残差层和记忆分支特征提取网络，得到第1批类别的输出特征 将输出特征输入主分类器，基于主分类器的输出得到第1批类别的预测结果； 步骤4：基于双分支网络学习当前批次类别，并更新双分支网络的网络参数，以及生成第1批至当前批次类别的预测结果： 步骤401：更新双分支网络的网络参数： 定义t表示当前批次类别编号，其中t的初始值为2； 对第t批次类别，将主分支特征提取网络的输出特征与记忆分支特征提取网络的输出特征拼接形成组合特征，记为组合特征 基于第1至第t批的所有图像类别数，设置辅助分类器、主分类器和记忆分类器的预测类别数，辅助分类器、主分类器和记忆分类器分别用于输出各类别的图像分类概率； 将输出特征输入辅助分类器，基于其输出得到第1至第t批的辅助分类器预测结果； 将组合特征输入主分类器，基于其输出得到第1至第t批的主分类器预测结果； 将输出特征输入记忆分类器，基于其输出得到第1至第t批的记忆分类器预测结果； 基于辅助分类器预测结果、主分类器预测结果和记忆分类器预测结果计算主分支特征提取网络的交叉熵损失；并基于交叉熵损失对主分支特征提取网络的网络参数进行更新； 基于第t批的组合特征与第t-1批的组合特征计算记忆分支特征提取网络的蒸馏损失，并基于蒸馏损失对记忆分支特征提取网络的网络参数进行更新； 当满足预置的网络参数更新结束条件时，停止对主分支特征提取网络和记忆分支特征提取网络的网络参数的更新，得到更新后的双分支网络； 步骤402：生成第1至第t批的图像类别预测结果： 将目标图像输入更新后的双分支网络，再将主分支特征提取网络的输出特征与记忆分支特征提取网络的输出特征拼接得到组合特征，并将组合特征输入主分类器，基于其输出得到目标图像的主分类器预测结果； 同时将记忆分支特征提取网络的输出特征输入记忆分类器，基于其输出得到目标图像的记忆分类器预测结果； 对第1至第t-1批类别的各图像分类概率，将目标图像的主分类器预测结果与记忆分类器预测结果中的同一类别的图像分类概率进行加权和，得到第1至第t-1批类别的图像分类融合概率；基于各类别的图像分类融合概率和目标图像的主分类器预测结果中的关于第t批类别的各图像分类概率生成1至第t批类别的图像分类集成概率，再基于其中的最大项得到第k批的预测结果，其中，k＝1,2,…,t； 步骤5：若当前批次类别编号t小于最大批次类别编号，则t自增1，并继续执行步骤4。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。