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！

龙图腾网恭喜西北工业大学申请的专利一种基于元模块融合增量学习的图像分类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：CN115249313B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202210959633.X，技术领域涉及：G06V10/764；该发明授权一种基于元模块融合增量学习的图像分类方法是由王庆;杨晨;姚一杨;周果清;王雪设计研发完成，并于2022-08-11向国家知识产权局提交的专利申请。

本一种基于元模块融合增量学习的图像分类方法在说明书摘要公布了：本发明提供了一种基于元模块融合增量学习的图像分类方法，获取待分类图片，形成待分类图片集，依次将分类图片集输入至增量分类神经网络VGG网络或ResNet，训练元模型；在元模型的分类器后添加修正器，利用保留数据训练修正器，训练门控选择层，实现对元模型的融合；确定对应的具体图像类别。本发明能够使网络在长期增量阶段时，延缓精度下降，能有效的改善动态扩展重表达方法中存在的弊端，显著改进了识别精度。解决了现有的增量学习中图像分类精度下降过快的算法问题。本发明能在保持精度较高的情况下，实现在内存规模，网络增长规模和计算速度等多个上面的优势。

本发明授权一种基于元模块融合增量学习的图像分类方法在权利要求书中公布了：1.一种基于元模块融合增量学习的图像分类方法，其特征在于包括下述步骤：步骤一、获取待分类图片，形成待分类图片集，设定每次增量学习的新添类别数量为K，增量学习的增长步数为T，最大增长步数为Lmax；其中，数据集D代表总的图像数据集，N代表图像类别，Dn代表第n类图像的数据集，样本总数为S，Xs,Ys代表样本输入以及对应标签，K代表每次增量学习的新添类别数量，T代表增量学习的增长步数；步骤二、依次将步骤一中分类图片集输入至增量分类神经网络VGG网络或ResNet，训练元模型；步骤三、在元模型的分类器后添加修正器，利用保留数据训练修正器；在每次增量学习之后扩展修正器的输出，并重训练修正器；步骤3.1、训练修正器；对步骤二中所有训练过的数据集进行抽样得到保留数据集Dr，在网络的分类层后添加一层全连接层FC做为修正器C，利用保留数据训练该FC层参数，训练方式采用交叉熵损失函数训练w个epoch，学习率从λ开始；步骤3.2、如果训练步数t小于最大增长步数Lmax，则返回步骤二进行增量学习的元模块训练，即步骤二中的步骤2.2，如果训练步数大于等于最大增长步数Lmax，则完成元模型Mi的训练；步骤四、训练门控选择层，实现对元模型的融合；步骤4.1、重复步骤二，直到训练完所有数据得到多个元模块每个元模块Mi中包含Lmax次增量学习，总的增量学习次数是T，得到的元模块数量是步骤4.2、维持已训练网络模型特征提取层参数不变，在θu对应的特征提取层后添加门控分类层G；步骤4.3、在总的数据集中抽取部分样本组成新的保留数据集Dr训练新添的门控分类层G，训练损失函数为pi＝η-mi，其中η表示输出向量，mi表示所有输出向量的平均，n表示训练元门控分类层G时输入样本数量；步骤4.4、在测试阶段，输入图像依据门控分类层G的输出结果，选择对应的元模块，经过元模块的分类层，确定对应的具体图像类别。

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北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。