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用于边缘场景图像识别的类增量学习方法及电子设备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：CN120125968B 。

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：202510204353.1，技术领域涉及：G06V10/82；该发明授权一种用于边缘场景图像识别的类增量学习方法及电子设备是由张通;王嘉豪;刘竹琳;陈俊龙设计研发完成，并于2025-02-24向国家知识产权局提交的专利申请。

本一种用于边缘场景图像识别的类增量学习方法及电子设备在说明书摘要公布了：本发明公开了一种用于边缘场景图像识别的类增量学习方法及电子设备，其中方法包括：收集实时数据，作为输入样本；通过宽度学习的随机映射模块对输入样本进行特征升维，将特征映射到更高维的特征表示；根据格拉姆矩阵判断输入样本属于新类样本还是旧类样本，若为新类样本，对样本标签进行扩增处理；将新类样本的格拉姆矩阵和先前样本的格拉姆矩阵进行特征融合；使用特征融合后的格拉姆矩阵对宽度学习模型的输出层权重进行微调，获得类增量学习后的边缘场景图像识别模型。本发明通过引入格拉姆矩阵运算，实现宽度映射后的新旧类样本的特征融合，能够极大的提升模型类增量学习性能。本发明可广泛应用于边缘场景图像识别技术领域。

本发明授权一种用于边缘场景图像识别的类增量学习方法及电子设备在权利要求书中公布了：1.一种用于边缘场景图像识别的类增量学习方法，其特征在于，包括以下步骤： 通过边缘场景下传感器采得的实时数据，作为输入样本； 通过宽度学习的随机映射模块对输入样本进行特征升维，将特征映射到更高维的特征表示； 根据格拉姆矩阵判断输入样本属于新类样本还是旧类样本，若为新类样本，对样本标签进行扩增处理； 将新类样本的格拉姆矩阵和先前样本的格拉姆矩阵进行特征融合； 使用特征融合后的格拉姆矩阵对宽度学习模型的输出层权重进行微调，获得类增量学习后的边缘场景图像识别模型； 所述使用特征融合后的格拉姆矩阵对宽度学习模型的输出层权重进行微调，包括： 宽度学习模型的输出层权重的计算公式为： 式中，βn为格拉姆矩阵，Y为训练样本标签矩阵，A表示样本经过宽度学习随机映射后的样本特征矩阵； 对格拉姆矩阵求逆进行伍德伯里优化； 采用乔列斯基分解优化求逆展开结果，获得乔列斯基因子； 根据获得的乔列斯基因子更新宽度学习模型的输出层权重。

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：510641 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”。

以上内容由龙图腾AI智能生成。