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！

龙图腾网获悉北京大数据先进技术研究院申请的专利一种可持续学习的多特征融合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：CN120808091B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511125792.X，技术领域涉及：G06V10/80；该发明授权一种可持续学习的多特征融合方法是由杨婧如;苏星;姜海鸥;柳熠;马新建;刘天成设计研发完成，并于2025-08-12向国家知识产权局提交的专利申请。

本一种可持续学习的多特征融合方法在说明书摘要公布了：本申请公开了一种可持续学习的多特征融合方法，包括：确定在多个图像领域中待学习的目标图像领域下的多个目标训练图片，并分别确定每个目标训练图片的多个目标频域特征子数据；根据多个频域特征子数据在图像处理模型中所进行的特征融合过程，建立对图像处理模型的交叉损失函数；以最小化交叉损失函数为训练目标，对图像处理模型进行训练，以获得学习了目标图像领域的图像处理模型。本申请通过频域特征提取、双损失函数构建与持续优化训练三者协同作用，提升了图像处理模型在多模态融合任务中的动态适应能力与识别精度，增强了模型的稳定性与扩展性。

本发明授权一种可持续学习的多特征融合方法在权利要求书中公布了：1.一种可持续学习的多特征融合方法，其特征在于，包括： 确定在多个图像领域中待学习的目标图像领域下的多个目标训练图片，并分别确定每个所述目标训练图片的多个目标频域特征子数据；每个所述目标训练图片分别用以通过不同的图片模态记录在所述目标图像领域下的第一目标物体对象；每个所述目标频域特征子数据具有对应的频域范围； 根据多个所述频域特征子数据在图像处理模型中所进行的特征融合过程，建立对所述图像处理模型的交叉损失函数；所述交叉损失函数由所述目标训练图片对所述图像处理模型的等价化蒸馏损失，以及所述目标图像领域对全部的图像领域的聚焦损失所共同约束；所述等价化蒸馏损失用以表征在将所述目标训练图片作为提取知识，对所述图像处理模型进行知识蒸馏的过程中，所产生的知识蒸馏损失；所述聚焦损失用以表征所述目标图像领域下的全部训练图片对全部的所述图像领域下的训练图片的图像样本差异性； 以最小化所述交叉损失函数为训练目标，对所述图像处理模型进行训练，以获得学习了所述目标图像领域的所述图像处理模型； 所述确定每个所述目标训练图片的多个目标频域特征子数据，包括： 根据对每个所述目标训练图片的卷积，获得与每个所述目标训练图片分别对应的目标频域特征数据； 按照预设的多个高斯滤波器分别对每个所述目标频域特征数据进行频谱分割，以获得与每个所述目标训练图片分别对应的多个目标频域特征子数据；每个所述高斯滤波器分别对应有不同的高斯核； 所述按照预设的多个高斯滤波器分别对每个所述目标频域特征数据进行频谱分割，包括： 通过多个所述高斯滤波器中的第一高斯滤波器对所述目标频域特征数据进行频谱过滤，以获得所述目标频域特征数据的第一目标频域特征分解子数据，并通过多个所述高斯滤波器中的多个第二高斯滤波器对所述目标频域特征数据进行频谱过滤，以获得所述目标频域特征数据的第二目标频域特征分解子数据；所述第一高斯滤波器是多个所述高斯滤波器所分别对应的所述高斯核中，最大的所述高斯核所对应的高斯滤波器；所述第二高斯滤波器是多个所述高斯滤波器中，所述第一高斯滤波器之外的高斯滤波器； 将所述目标频域特征数据与所述第一目标频域特征分解子数据的差值确定为与所述第一高斯滤波器对应的目标频域特征子数据，并与每个所述第二高斯滤波器对应的所述第二目标频域特征分解子数据确定为与每个所述第二高斯滤波器所分别对应的所述目标频域特征子数据。

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北京大数据先进技术研究院，其通讯地址为：100195 北京市海淀区闵庄路3号玉泉慧谷6号楼一层01；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。