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基于约束参数路径的连续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：CN116310478B 。

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：202211502674.2，技术领域涉及：G06V10/764；该发明授权基于约束参数路径的连续学习的图像分类方法是由李宏亮;问海涛;孟凡满;吴庆波;潘力立;许林峰设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本基于约束参数路径的连续学习的图像分类方法在说明书摘要公布了：本发明提供一种基于约束参数路径的连续学习的图像分类方法，通过构造基于参数路径的图像分类模型；在训练时学习新旧图像分类任务间的参数偏移，通过使用球面优化方法预先求解出一个低遗忘方向；学习新图像分类任务时通过方向约束下降优化器，使当前路径与低遗忘方向一致；最终通过后处理策略Recall沿着路径进行回溯最终确定新任务的图像分类模型的参数。本发明利用球面优化的方式求得之前图像分类任务的低遗忘方向，并约束任务间的路径与该方向一致，同时使用学习得到的系数对路径进行放缩以取得新旧任务的平衡。本发明的图像分类模型在学习参数时具有低遗忘、平衡的稳定性与可塑性等特点。

本发明授权基于约束参数路径的连续学习的图像分类方法在权利要求书中公布了：1.基于约束参数路径的连续学习的图像分类方法，其特征在于，包括以下步骤： 第1步：确定当前任务； 第2步：使用黎曼随机梯度下降算法与旧任务的存储数据，围绕上一个任务的参数的最优点计算上一个任务的低遗忘方向；所述旧任务为在存储区中已存储的当前任务之前的任务； 第3步：初始化当前任务的路径； 第4步：从旧任务的存储数据与当前任务数据中采样一个块作为样本； 第5步：上一个任务的参数的最优点与当前任务的路径之和作为当前任务的参数，利用当前任务的参数与样本计算当前任务的路径下的损失； 第6步：将当前任务的路径向上一个任务的低遗忘方向进行投影，再从当前任务的路径中减去该投影得到路径偏移分量； 第7步：在当前任务数据上，约束方向优化器使用权重衰减对路径偏移分量进行正则，并从当前路径中减去正则后的路径更新量来更新当前路径的参数，当前任务的图像分类模型执行约束路径的模型优化算法，利用将上一个任务的参数的最优点加上当前任务的路径来迭代更新当前任务的参数，若迭代到最大步数，将最后更新的当前任务的路径作为最终的当前任务的路径进入下一步，否则，转第4步； 第8步：从当前任务数据中为每类数据进行采样作为存储数据，再进入下一步骤； 基于记忆平衡策略确定最终的新任务的图像分类模型的参数步骤： 第9步：初始化放缩系数； 第10步：从第8步中得到的存储数据中取出一个块作为新的样本； 第11步：将上一个任务的参数的最优点与放缩系数加权的最终的当前任务的路径之和作为新的当前任务的参数，利用新的当前任务的参数计算新的样本的损失； 第12步：使用随机梯度下降算法来更新放缩系数，若迭代到最大步数，转第13步，将更新的放缩系数作为最终放缩系数，否则，转第10步； 第13步：将上一个任务的参数的最优点与最终的放缩系数加权的最终的当前任务的路径之和作为当前任务的参数的最优点，将完成训练的图像分类模型用于对当前任务的图像分类处理。

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”。