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！

龙图腾网获悉华南理工大学申请的专利一种基于动态混合模型的类增量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：CN116229154B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310043261.0，技术领域涉及：G06V10/764；该发明授权一种基于动态混合模型的类增量图像分类方法是由李逸楠;罗荣华设计研发完成，并于2023-01-29向国家知识产权局提交的专利申请。

本一种基于动态混合模型的类增量图像分类方法在说明书摘要公布了：本发明公开了一种基于动态混合模型的类增量图像分类方法，应用于数据分阶段到来的类增量学习场景，步骤如下：在初始时间阶段，利用初始训练数据集训练初始分类模型；在后续各时间阶段，构建并输入增量学习数据集以更新训练得到能够同时识别新旧类的新分类模型。在训练过程中，通过旧分类模型在新类上的表现动态选择训练方法；若可塑性较低则使用扩增方法增加模块以适应新数据提高其可塑性；若可塑性较高则利用局部特征信息代替全局特征信息以合理的调节蒸馏方法强度巩固其稳定性。本发明通过动态选择训练方法调节分类模型可塑性和稳定性，使分类模型在有限存储空间的情况下学习新知识且有效的保留旧知识，是一个高效且实用的类增量学习方法。

本发明授权一种基于动态混合模型的类增量图像分类方法在权利要求书中公布了：1.一种基于动态混合模型的类增量图像分类方法，其中，类增量图像是分时间阶段到来的，且各时间阶段数据的类别不相交，即D＝{D1,D2,…,Dt-1,Dt,…,DT}，其中Dt代表t时间阶段的任务数据集合，t＝1,2,…,T，T代表时间阶段总数，且在每个时间阶段仅能使用当前时间阶段新数据和事先选取的旧类别训练数据训练分类模型，且要求训练出的分类模型能对所有已知的类别数据进行分类；其特征在于，所述类增量图像分类方法包括以下步骤： S1、获取初始任务数据，构建初始训练数据集，搭建初始分类模型并输入初始训练数据集进行训练； S2、在增量迭代过程中，选取上一时间阶段训练数据集的部分样本作为旧类别训练数据，结合当前时间阶段的新任务数据划分出的训练数据，构建增量学习数据集作为当前时间阶段的训练数据集； S3、根据上一时间阶段获得的旧分类模型在训练数据上的表现结果动态选择训练方法构建新分类模型，输入增量学习数据集进行训练，最终获得经过训练的新分类模型；过程如下： 在t时间阶段，根据t-1时间阶段的旧分类模型在新类别数据上的分类准确率作为训练方法选择的评判指标，阈值取值为具体方法选择方式如下： 其中为旧分类模型在t-1时间阶段在新类别数据上的分类准确率，α是调节阈值的第一参数，β是调节阈值的第二参数，|Cincr|代表每个时间阶段增加的类别数量，|C|代表所有时间阶段的类别数量之和； S31、当旧分类模型在新类上的分类准确率小于等于所设定的阈值时则反应旧分类模型并不能学习新类任务的知识，使用扩增方法增加ResNet模块以适应新类任务； S32、当旧分类模型在新类上的分类准确率大于所设定的阈值时代表旧分类模型能够适应新数据，使用蒸馏方法巩固新分类模型的稳定性； S4、当存在新时间阶段任务数据时，则重复迭代进行步骤S2和S3，以获得具备分类所有已知类别能力的新分类模型，然后通过新分类模型进行类增量图像分类。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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”。