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一种持续自监督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：CN116091816B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202211509635.5，技术领域涉及：G06V10/764；该发明授权一种持续自监督学习的图像分类方法是由李宏亮;程浩洋;孟凡满;吴庆波;许林峰;潘力立设计研发完成，并于2022-11-29向国家知识产权局提交的专利申请。

本一种持续自监督学习的图像分类方法在说明书摘要公布了：本发明所要解决的技术问题是，一种持续自监督学习的图像分类方法，利用增广稳定性挑选各数据流中类别分布边界和中心的样本作为重演样本，以最大程度地减轻过拟合效应和灾难性遗忘；其次，提出对比连续性使网络尽可能多地捕捉数据流之间共享的信息以防止灾难性遗忘，同时尽可能多地剔除冗余信息以提升网络可塑性，增强其持续学习的能力。相比于随机采样的方式，该方法能够最大程度地减轻过拟合效应和灾难性遗忘；其次，在于利用对比连续性使网络尽可能多地保留与过去数据流之间共享的信息以防止灾难性遗忘，同时剔除在过去数据流中编码的冗余信息来提升网络可塑性，增强其持续学习的能力，提高图像分类性能。

本发明授权一种持续自监督学习的图像分类方法在权利要求书中公布了：1.一种持续自监督学习的图像分类方法，其特征在于，对包括以下步骤： 第1步：初始化特征提取网络，采用损失函数对第一图像数据流的自监督对比学习进行约束，完成特征提取网络的初始训练； 其中，cos为余弦相似度，h为预测头，fθ为当前特征提取网络，和分别两个不同的增广策略，x为输入图像样本；特征提取网络输出成对特征z1和z2；第一图像数据流为输入的图像样本；训练后的图像数据流作为已训练图像数据流； 第2步：利用判别器来推断数据流中每个样本的增广稳定性得分，根据增广稳定性得分对已训练图像数据流的增广稳定性进行从大到小排序； 第3步：根据排序在前的样本选择为重演样本； 第4步：通过丢弃重演存储器中各任务的增广稳定性排序位于中间的重演样本，再存入最新的重演样本以完成重演存储器的更新； 第5步：采用对比连续性损失再结合损失函数对当前图像数据流自监督对比学习进行约束，完成当前特征提取网络的训练； 其中，t为当前图像数据流序号，τ为图像数据流序号τ＝1,...,t-1，Dt表示t个图像数据流，为特征提取网络的过去状态，为重演样本，β为超参数； 第6步：如果已训练图像数据流是最后一个图像数据流，再进行分类层训练以完成图像分类模型训练；否则执行第2步。

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”。