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泛化特征表示和自适应蒸馏的类增量图像识别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：CN115482454B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211157147.2，技术领域涉及：G06V10/82；该发明授权基于泛化特征表示和自适应蒸馏的类增量图像识别方法是由许林峰;王志川;邱子欢;吴庆波;潘力立;孟凡满;李宏亮设计研发完成，并于2022-09-21向国家知识产权局提交的专利申请。

本基于泛化特征表示和自适应蒸馏的类增量图像识别方法在说明书摘要公布了：本发明公开了一种基于泛化特征表示和自适应蒸馏的类增量图像识别方法，属于图像处理和深度学习领域，本发明方法包括：利用泛化特征表示正则模块约束网络骨干学习更泛化的特征表示，从而兼顾新知识的容纳和旧知识的保持；利用自适应蒸馏算法动态地调整在学习新类别时用来保持旧类别知识的蒸馏方法的强度。本发明能有效避免学习新的类别时造成的旧类别遗忘的现象，并且不额外增加模型参数量或网络结构。本发明有效提升了模型处理类增量问题的性能。

本发明授权基于泛化特征表示和自适应蒸馏的类增量图像识别方法在权利要求书中公布了：1.基于泛化特征表示和自适应蒸馏的类增量图像识别方法，其特征在于，包括下列步骤： 步骤1：构建用于图像识别的深度学习网络，所述深度学习网络依次包括特征提取网络、泛化特征表示正则模块和分类器； 特征提取网络用于获取输入图像的特征图； 泛化特征表示正则模块包括三个不同尺度的池化层，对于特征提取网络提取的特征图，通过泛化特征表示正则模块将其池化处理到不同尺度后，再拉直为向量并拼接，再将拼接成的向量输入分类器； 分类器用于对指定的目标类别进行分类输出； 基于构建的深度学习网络学习第一批目标类别； 步骤2：学习第t批目标类别时，采用的损失函数为： 其中，表示分类损失函数，表示蒸馏损失函数，和分别代表学习第t批和t-1批目标类别时的深度学习网络，x表示输入深度学习网络的其中的一张图片，y表示图片x的标签，表示类别y的蒸馏强度，t的初始值为2，且t1； 步骤3：令t自增1，继续执行步骤2，循环此过程直到学习完所有类别，基于学习后的深度学习网络获取目标图像的图像识别结果； 其中，蒸馏强度由自适应蒸馏算法动态调整的方式为： （a）判断目标的批次，若为第二批，则执行步骤（b），否则执行步骤（c）； （b）将所有旧类别的新蒸馏强度初始化为0，旧蒸馏强度初始化为1；其中，表示类别i的新蒸馏强度，表示类别i的旧蒸馏强度，i=1，2，…，m；m表示类别数量； （c）将所有旧类别的新蒸馏强度初始化为0，获取学习上一批目标时存储的； （d）将存储的关于旧类别i的所有图片分别输入深度学习网络和并得目标分类的到预测结果，基于各自的预测结果分别得到模型和的交叉熵损失的均值和，并定义gap表示交叉熵损失的均值和的差； （e）更新类别i的蒸馏强度：，表示设置的超参数，取值为0~1； （f）返回步骤（d），直到所有旧类别的蒸馏强度均得到更新； （g）令等于并存储。

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”。