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！

龙图腾网获悉西安电子科技大学申请的专利一种基于互补关系挖掘的不平衡增量学习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：CN116434034B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202310319479.4，技术领域涉及：G06V10/82；该发明授权一种基于互补关系挖掘的不平衡增量学习方法是由邓成;殷杰;王郗;杨旭;魏坤;杨延华设计研发完成，并于2023-03-27向国家知识产权局提交的专利申请。

本一种基于互补关系挖掘的不平衡增量学习方法在说明书摘要公布了：本发明涉及一种基于互补关系挖掘的不平衡增量学习方法，包括：构建不平衡增量学习模型包括：旧任务模型、当前任务模型、特征滤波器、旧‑新编码器、头‑尾编码器和分类器；构建不平衡数据集；将数据集输入至不平衡增量学习模型中进行增量学习；其中，在增量学习过程中，使用头‑尾编码器挖掘多数类和少数类数据之间的关系，旧‑新编码器挖掘旧任务模型和当前任务模型生成的特征之间的关系。利用学习完成后的当前任务模型实现分类识别。本发明提供了一种新的增量学习方法，可以应用至自动驾驶等多种实际场景中，解决了传统增量学习过程中数据分布不平衡导致的性能下降问题和灾难性遗忘导致分类识别精度变差而产生的安全性问题。

本发明授权一种基于互补关系挖掘的不平衡增量学习方法在权利要求书中公布了：1.一种基于互补关系挖掘的不平衡增量学习方法，其特征在于，包括： 步骤1：构建不平衡增量学习模型，所述不平衡增量学习模型，包括：旧任务模型、当前任务模型、特征滤波器、旧-新编码器、头-尾编码器和分类器；其中， 所述旧任务模型、所述特征滤波器和所述旧-新编码器依次级联； 所述当前任务模型的输出端分别连接所述旧-新编码器的输入端和所述头-尾编码器的输入端； 所述旧-新编码器的输出端和所述头-尾编码器的输出端均连接所述分类器的输入端； 步骤2：构建不平衡数据集； 步骤3：将所述不平衡数据集输入至所述不平衡增量学习模型中进行增量学习；其中，在增量学习过程中，利用知识蒸馏将所述旧任务模型包含的知识提取至所述当前任务模型中；利用头-尾编码器挖掘不平衡数据集中多数类和少数类数据之间的关系，利用旧-新编码器挖掘旧任务模型和当前任务模型生成的特征之间的关系；所述步骤3包括： 步骤3.1：将所述不平衡数据集中的路况场景图片按照类别依次输入至所述不平衡增量学习模型中； 步骤3.2：所述旧任务模型对输入的样本进行特征提取，得到旧模型特征，所述当前任务模型对输入的样本进行特征提取，得到新模型特征； 步骤3.3：所述特征滤波器对所述旧模型特征进行特征过滤，得到关键特征；所述步骤3.3包括： 对每个类别的路况场景图片对应的旧模型特征，计算得到其特征均值；计算得到对应类别中的路况场景图片的旧模型特征与特征均值之间的距离；根据预设的阈值，将所述旧模型特征中距离超过阈值的特征剔除，得到对应的关键特征； 步骤3.4：所述旧-新编码器对所述新模型特征和所述关键特征，进行特征融合得到旧-新融合特征； 步骤3.5：所述头-尾编码器对当前输入的新模型特征与之前输入的新模型特征，进行特征融合得到头-尾融合特征； 步骤3.6：所述分类器根据输入的旧-新融合特征和头-尾融合特征，对输入的样本进行分类识别，根据分类识别结果以及分类标签计算模型损失函数； 步骤3.7：根据所述模型损失函数，通过反向传播更新当前任务模型、旧-新编码器、头-尾编码器和分类器的参数； 步骤4：利用增量学习完成后的当前任务模型和分类器实现分类识别。

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电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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。