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！

龙图腾网恭喜西安电子科技大学申请的专利一种基于正交稀疏网络的图像分类方法及装置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：CN118015346B 。

龙图腾网通过国家知识产权局官网在2025-03-21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：202410100761.8，技术领域涉及：G06V10/764；该发明授权一种基于正交稀疏网络的图像分类方法及装置是由程德;胡雨松;王楠楠;朱明瑞;高新波设计研发完成，并于2024-01-24向国家知识产权局提交的专利申请。

本一种基于正交稀疏网络的图像分类方法及装置在说明书摘要公布了：本发明提出了一种基于正交网络的图像分类方法及装置，从电子设备获取当前时刻的当前环境下监测到的图像作为待分类图像，并生成该待分类图像的当前分类任务；执行所述当前分类任务，以将所述待分类图像输入至训练完成的分类模型中，以使所述分类模型输出所述待分类图像的类别。本发明训练完成的分类模型具有保存旧知识的固定参数、共享旧知识和新知识的共享参数、学习新知识的自由参数。本发明通过剪枝后的分类模型中的共享参数来解决图像分类模型中的灾难性遗忘问题，以对当前监测到的图像分类可以提高分类的准确性和效率，这是促进图像分类技术的现实应用的关键。

本发明授权一种基于正交稀疏网络的图像分类方法及装置在权利要求书中公布了：1.一种基于正交稀疏网络的图像分类方法，其特征在于，包括：S100，从电子设备获取当前时刻的当前环境下监测到的图像作为待分类图像，并生成该待分类图像的当前分类任务；S200，执行所述当前分类任务，以将所述待分类图像输入至训练完成的分类模型中，以使所述分类模型输出所述待分类图像的类别；所述训练完成的分类模型具有保存旧知识的固定参数、共享旧知识和新知识的共享参数、学习新知识的自由参数；所述训练完成的分类模型的训练过程包括：S1，利用多种类别的图像构建数据集，并将所述数据集划分为若干个独立的任务，其中，每个任务包含相同数量的不同类别的图像；S2，针对若干个独立的任务中的任一个任务作为旧任务，执行所述旧任务以利用该旧任务包含的图像训练所述分类模型，以使所述分类模型学习所述旧任务的知识得到第一分类模型；S3，对所述第一分类模型的学习参数作剪枝，以剪除不重要的学习参数；S4，利用网络重分区策略在S3剪除后剩余的学习参数中选择共享参数，并将重要的学习参数中其余的学习参数作为自由参数得到剪枝后的分类模型；S5，另选一个任务作为新任务，并执行所述新任务以利用所述新任务包含的图像对剪枝后的分类模型进行再训练，得到利用旧任务和新任务训练的第二分类模型；S6，对所述第二分类模型的学习参数作剪枝，以剪除不重要的学习参数，保留重要的学习参数；S7，重复S4至S6的过程直至S1中的所有任务执行完毕，得到训练完成的分类模型；所述S5包括：S51，选择另一任务作为新任务；S52，执行所述新任务以利用所述新任务包含的图像对剪枝后的分类模型再训练，在训练过程中保留旧任务的固定参数，并更新所述共享参数以搜索新任务和旧任务的共享知识，并更新用于学习新任务的自由参数，得到利用旧任务和新任务训练的第二分类模型；所述S52中更新所述共享参数的更新方式为： 其中，超参数η为学习率，是正交投影矩阵，代表了正交于前t-1个旧任务第l层特征空间的方向；l和t分别是分类模型的网络层数和任务序数，是交叉熵损失函数，为一个二进制掩码，表示具有高权重重要性评分c的相应参数在训练新任务时被挑选出来，被挑选出的学习参数由和的交集表示，记为更新所述固定参数的更新方式为：

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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”。