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！

龙图腾网获悉上海人工智能创新中心申请的专利一种通用的域泛化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：CN116882456B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202310922294.2，技术领域涉及：G06N3/0464；该发明授权一种通用的域泛化方法是由张懿元;龚凯雄;张凯鹏;岳翔宇设计研发完成，并于2023-07-25向国家知识产权局提交的专利申请。

本一种通用的域泛化方法在说明书摘要公布了：本发明公开了一种通用的域泛化方法。该方法包括：针对源域，获取预训练神经网络模型，所述预训练神经网络模型包括源域特征提取器和源域分类器；针对目标域，以设定的总损失函数最小化为优化目标，利用目标域样本数据通过在线学习对所述预训练神经网络模型进行自适应微调，获得更新的神经网络模型，其中在自适应微调过程中，创建各个类别的分类原型作为记忆库，通过最大化动态学习表征对应到各个类别的分类原型之间的概率相似性来更新迭代整个记忆库。本发明能够有效解决域偏移问题，提升了域泛化任务的高效性，并且适用于多种类型的神经网络模型。

本发明授权一种通用的域泛化方法在权利要求书中公布了：1.一种通用的域泛化方法，包括以下步骤： 针对源域，获取用于图像数据分类的预训练神经网络模型，所述预训练神经网络模型包括源域特征提取器和源域分类器； 针对目标域，以设定的总损失函数最小化为优化目标，利用目标域样本数据通过在线学习对所述预训练神经网络模型进行自适应微调，获得更新的神经网络模型，其中在自适应微调过程中，创建各个类别的分类原型作为记忆库，通过最大化动态学习表征对应到各个类别的分类原型之间的概率相似性来更新迭代整个记忆库； 针对目标域，利用所述更新的神经网络模型预测待测图像数据对应的类别； 其中，所述总损失函数表示为： 其中，表示总损失值，表示分类原型的损失，是特征提取器学习目标分布的损失，表示为： 是用于更新分类器的熵损失函数，表示为： 其中，DT表示目标域，σ是设定的边际参数，xi表示输入图像，i是索引，f′表示复制的与源域特征提取器f相同的新模型，f表示源域特征提取器，Nb是图像的数量，q′表示复制的与源域分类器相同的新模型； 其中，所述分类原型的损失表示为： 其中，q′表示复制的与源域分类器q相同的新模型，pi是分类原型，是伪标签，Nb是图像的数量，γi是可学习的记忆表征，BN·表示批归一化操作； 其中，在自适应微调过程中，根据以下步骤更新所述分类原型： 记忆库被设置为存储每个类别的类别原型其中C和D分别表示记忆库、类别数和特征维度，pj是对应类别j的分类原型； 在自适应微调过程中，首先获取预测伪标签然后利用熵作为标准来筛选出具有更高信息相关性的前K个表征f′x，进而利用前K个样本表示相应的分类原型： K表示样本数目，xi表示表示一张输入图像，i是图像索引，f′表示复制的与源域特征提取器相同的新模型； 更新迭代所述分类原型。

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上海人工智能创新中心，其通讯地址为：200232 上海市徐汇区云锦路701号37、38层；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”。