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基于渐进校准的类增量无监督域自适应图像识别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：CN116468991B 。

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：202310166627.3，技术领域涉及：G06V10/98；该发明授权基于渐进校准的类增量无监督域自适应图像识别方法是由魏坤;张翔;邓成;张兹琪;杨旭设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。

本基于渐进校准的类增量无监督域自适应图像识别方法在说明书摘要公布了：本发明公开了一种基于渐进校准的类增量无监督域自适应图像识别方法，包括：获取未标记的目标数据集和已标记的源数据集；利用源域预训练模型对目标数据集进行预测以生成目标类，并为目标数据集中的样本生成伪标签，将目标类和伪标签存入在内存库；将目标数据集划分为置信度高的样本和置信度低的样本，并联合源数据集训练目标模型；且训练过程中施加多种约束损失同时进行目标类类级校准和目标级校准；在每一次迭代训练之后对内存库数据进行更新，直至损失函数收敛；利用训练好的目标模型对待识别的图像进行处理，得到最终的识别结果。该方法合理利用了来自源领域的知识，平衡缓解了负迁移和灾难性遗忘之间的关系，实现了算法效率和准确度的提升。

本发明授权基于渐进校准的类增量无监督域自适应图像识别方法在权利要求书中公布了：1.一种基于渐进校准的类增量无监督域自适应图像识别方法，其特征在于，包括： 步骤1：获取未标记的目标数据集和已标记的源数据集作为训练样本； 步骤2：利用源域预训练模型对所述目标数据集进行预测以生成目标类，同时为所述目标数据集中的每个目标样本生成伪标签，并将生成的目标类和伪标签存储在内存库中； 步骤3：基于所述伪标签将所述目标数据集划分为置信度高的样本和置信度低的样本，并联合所述源数据集训练目标模型；且在训练过程中施加多种约束损失以对训练过程进行监督，同时在训练过程中进行目标类类级校准和目标级校准；所述目标类类级校准是基于当前训练步骤中检测到的概率累积对内存库中的概率累积进行类级校准，以对内存库中的目标类进行更新；所述目标级校准是利用目标模型计算每个校准目标类的类质心，并利用最近的质心方法在每个历元中生成更精确的伪标签，以对所述目标数据集的伪标签进行校准；其中，所述多种约束损失包括动态实例级校准、域级对比对齐、实例级对比对齐以及知识回放；具体包括：基于置信度高的伪标记目标样本和标记的源数据集，构建动态实例级校准损失函数训练目标模型；基于动态类级logit形心构建域级对比对齐损失函数，以实现对齐源域和目标域的特征表示；基于增强函数生成增强样本，并据此构建实例级对比对齐损失函数，以将更多的无约束目标样本转换为有信心的目标样本；基于最近邻方法构建知识回放损失函数，以将更多的无约束目标样本转换为有信心的目标样本； 步骤4：重复步骤3的操作，并在每一次迭代训练之后将得到的新的目标类别原型加入到内存库中进行数据更新，直至所述损失函数收敛，得到训练好的目标模型； 步骤5：利用训练好的目标模型对待识别的图像进行处理，得到最终的识别结果。

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。