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！

龙图腾网获悉贵州大学申请的专利一种具有稀疏化效应的持续学习语义分割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：CN115482383B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202211159001.1，技术领域涉及：G06V10/26；该发明授权一种具有稀疏化效应的持续学习语义分割方法是由杨静;李斌;袁坤;李少波;季卿;张邦梅;何瑶设计研发完成，并于2022-09-22向国家知识产权局提交的专利申请。

本一种具有稀疏化效应的持续学习语义分割方法在说明书摘要公布了：本发明提出了一种具有稀疏化效应的持续学习语义分割方法，包括以下步骤：S1，使用骨干网络与语义分割网络搭建语义分割基础网络；S2，采用数据生成网络生成数据样本；所述数据生成网络需要提前在数据集上进行预训练；S3，在语义分割基础网络隐藏层的全连接层中随机应用门控0‑1伯努利变量，从而改变网络的训练模式与神经激活模式，S4，将经过预训练的数据生成网络生成的数据输入所述语义分割基础网络得到结果。本发明能够缓解语义分割模型在持续学习过程中的灾难性遗忘，提升持续语义分割模型的分割精度，解决持续语义分割模型由于内存、隐私等因素造成数据样本不足而导致的过拟合、持续学习能力不足的问题。

本发明授权一种具有稀疏化效应的持续学习语义分割方法在权利要求书中公布了：1.一种具有稀疏化效应的持续学习语义分割方法，其特征在于，该方法应用于图像技术领域，具体包括以下步骤： S1，使用骨干网络与语义分割网络搭建语义分割基础网络； S2，采用数据生成网络生成数据样本，所述数据生成网络需要提前在数据集上进行预训练； S3，在语义分割基础网络隐藏层的全连接层中随机应用门控0-1伯努利变量，从而改变网络的训练模式与神经激活模式，所述随机应用门控0-1伯努利变量的子网络采样率设置为0.5；所述网络的训练模式包括： 对于引入门控0-1伯努利变量的语义分割基础网络而言，训练时的子网络数表示为： ， 其中，为排列组合运算符； m表示应用门控0-1伯努利变量的隐藏层的的神经元总数； i代表应用门控0-1伯努利变量的隐藏层中第层的神经元总数； n表示应用门控0-1伯努利变量的隐藏层被采样参与训练的神经元数量； 表示子网络采样率； 在网络的多个隐藏层引入伯努利变量时，网络的子网络数量进一步增加为： ， 其中，表示应用门控0-1伯努利变量的隐藏层中的第一层的神经元总数； 表示应用门控0-1伯努利变量的隐藏层中的第二层的神经元总数； 表示应用门控0-1伯努利变量的隐藏层中的第层的神经元总数； 表示应用门控0-1伯努利变量的隐藏层中的第一层被采样参与训练的神经元数量； 表示应用门控0-1伯努利变量的隐藏层中的第二层被采样参与训练的神经元数量； 表示应用门控0-1伯努利变量的隐藏层中的第层被采样参与训练的神经元数量； S4，将经过预训练的数据生成网络生成的数据输入所述语义分割基础网络得到结果。

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贵州大学，其通讯地址为：550000 贵州省贵阳市花溪区贵州大学；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。