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！

龙图腾网获悉中山大学申请的专利一种集成动态任务子空间的图像分类方法、系统和介质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：CN117475237B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202311563251.6，技术领域涉及：G06V10/764；该发明授权一种集成动态任务子空间的图像分类方法、系统和介质是由丛玉来;张炜乐;何远见设计研发完成，并于2023-11-21向国家知识产权局提交的专利申请。

本一种集成动态任务子空间的图像分类方法、系统和介质在说明书摘要公布了：本发明公开了一种集成动态任务子空间的图像分类方法、系统和介质，方法包括：获取待分类图像；将待分类图像输入图像动态任务子空间模型，得到图像分类结果；其中，模型通过以下步骤得到：构建图像浅层特征提取器；构建图像深层特征提取器；构建图像任务子空间特征提取器；获取训练图像；根据训练图像和图像旧任务特征提取器，得到第一超级特征；根据训练图像和图像任务子空间特征提取器，得到第二超级特征；利用交叉熵计算分类损失；计算知识蒸馏损失；计算总损失；根据总损失对图像任务子空间特征提取器的参数进行更新，得到图像动态任务子空间模型。本发明提高了分类准确率，降低了参数存储成本。本发明可广泛应用于图像识别技术领域。

本发明授权一种集成动态任务子空间的图像分类方法、系统和介质在权利要求书中公布了：1.一种集成动态任务子空间的图像分类方法，其特征在于，包括以下步骤： 获取待分类图像； 将所述待分类图像输入图像动态任务子空间模型，得到图像分类结果； 其中，所述图像动态任务子空间模型通过以下步骤得到： 根据共享系数和子空间，构建图像浅层特征提取器； 根据若干个深层卷积层，构建图像深层特征提取器； 根据所述图像浅层特征提取器和所述图像深层特征提取器，构建图像任务子空间特征提取器； 获取训练图像； 根据所述训练图像和图像旧任务特征提取器，得到第一超级特征，所述图像旧任务特征提取器与所述图像任务子空间特征提取器的构建过程相同； 根据所述训练图像和所述图像任务子空间特征提取器，得到第二超级特征； 根据图像旧任务分类层和所述第二超级特征，利用交叉熵计算分类损失； 根据所述第一超级特征和所述图像旧任务分类层，计算知识蒸馏损失； 根据所述分类损失、所述知识蒸馏损失和图像判别分类层，计算总损失； 根据所述总损失对所述图像任务子空间特征提取器的参数进行更新，直到所述总损失满足预设损失要求，则得到所述图像动态任务子空间模型； 所述根据共享系数和子空间，构建图像浅层特征提取器，包括： 根据所述共享系数和所述子空间，利用张量收缩重建浅层卷积层； 根据若干个所述浅层卷积层，构建所述图像浅层特征提取器； 其中，所述子空间的动态扩展过程包括：当第t个任务到达时，先为任务t初始化一个新的子空间根据共享系数和子空间，使用张量收缩将浅层卷积层重建；其中，当t＝1时，对共享系数αs进行初始化，进而为每一个任务都初始化新的子空间； 重建浅层卷积层的表达式如下： 式中，为浅层卷积层，αs为共享系数，为子空间，代表张量收缩运算。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。