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！

龙图腾网获悉哈尔滨工业大学申请的专利高光谱图像类增量学习方法和系统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：CN119785107B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411959736.1，技术领域涉及：G06V10/764；该发明授权高光谱图像类增量学习方法和系统是由刘环宇;吴然;李君宝设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本高光谱图像类增量学习方法和系统在说明书摘要公布了：基于特征空间扩展压缩和空谱联合增广的高光谱图像类增量学习方法和系统，涉及高光谱图像类增量学习领域。解决了传统的图像增广方法主要针对空间信息进行处理，无法充分利用高光谱图像的光谱维度，同时类增量学习中的存在灾难性遗忘的问题。方法包括：根据空间‑光谱联合增强方法构建轻量化分类模型；在初始阶段，将全精度网络作为教师模型为轻量级网络的训练提供在线监督；在增量阶段，引入新的全精度网络缩小旧特征空间和目标特征空间之间的差距，获取优化的量化网络；根据优化的量化网络实现高光谱分类网络的学习能力的在线更新。应用于图像处理领域。

本发明授权高光谱图像类增量学习方法和系统在权利要求书中公布了：1.一种基于特征空间扩展压缩和空谱联合增广的高光谱图像类增量学习方法，其特征在于，所述方法包括： 根据空间-光谱联合增强方法构建轻量化分类模型； 在初始阶段，将全精度网络作为教师模型为轻量级网络的训练提供在线监督； 在增量阶段，引入新的全精度网络缩小旧特征空间和目标特征空间之间的差距，获取优化的量化网络； 根据优化的量化网络实现高光谱分类网络的学习能力的在线更新； 根据全精度网络作为教师模型为轻量级网络的训练提供在线监督，包括： 构建单阶段框架，所述单阶段框架中教师和学生模型同时进行更新； 使用样本之间的相关关系捕获模型的特征空间，学生模型的输出为： 其中，表示学生模型的特征提取主干，表示数据集，x1至xn表示数据集中的样本； 学生模型生成的相关关系为： 其中，表示余弦相似度运算符，表示； 教师模型生成的相关关系为： 其中，表示教师模型的特征提取主干； 计算学生模型和教师模型的差异，并根据所述差异的前三分之一的值作为教师模型超特征聚合损失函数的系数； 根据损失函数的系数构建损失函数作为对抗蒸馏损失； 构建蒸馏损失函数，利用蒸馏损失函数促进知识从教师向学生模型的转移； 所述对抗蒸馏损失为： 其中，k为通过累加每个类别的数量的平方计算得到的变量，为指示函数，为样本标签，为学生模型和教师模型的差异，均为教师网络特征提取主干的输出，损失函数； 所述构建蒸馏损失函数为： 其中，表示网络的主干，表示包含特征提升层的网络的特征提取主干，表示采用均方误差损失函数，表示更高维度上聚合学生和教师模型； 所述获取优化的量化网络，包括： 训练模型： 其中，表示主干网络的组合，表示旧模型的主干网络，表示新模型的主干网络，表示模型集成的归一化，表示损失函数，表示输入及对应的标签； 根据知识蒸馏的压缩策略，在先前训练的模型集成的监督下，训练一个新的量化模型： 其中，表示新模型的特征提取主干，由特征提升主干和主干网络组成，表示余弦相似度函数，表示各阶段的基础损失函数，表示包括在内的整体特征提取主干，表示特征相似性约束函数，表示累加函数，表示新网络的主干网络的输出，表示训练的两个模型的主干网络的合体的输出。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。