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！

龙图腾网获悉桂林理工大学申请的专利一种自动化盲检目标动态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：CN115908901B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202211355872.0，技术领域涉及：G06V10/764；该发明授权一种自动化盲检目标动态分类方法是由黄琳;卢嘉伟;杨铁军设计研发完成，并于2022-11-01向国家知识产权局提交的专利申请。

本一种自动化盲检目标动态分类方法在说明书摘要公布了：本发明提供一种自动化盲检目标动态分类方法，包括以下步骤：S1：获取自动化物料盲检工程数据集；S2：构建神经网络架构，所述神经网络结构根据所述自动化物料盲检工程数据集，输出分类结果，初始化所述神经网络架构主干；S3：训练所述神经网络架构主干时，若网络未达到收敛要求，根据预设的生长策略对所述神经网络架构主干进行分支与深度两个方向的生长，生长一直持续到网络达到收敛要求，得到生长后的神经网络；S4：利用生长后的神经网络对自动化物料盲检工程数据集的图像数据进行分类。本发明实现了网络的动态生长、搜索、剪枝，解决了工程中不断往数据集中加入新类别导致重新训练的问题。

本发明授权一种自动化盲检目标动态分类方法在权利要求书中公布了：1.一种自动化盲检目标动态分类方法，其特征在于，包括以下步骤： S1：获取自动化物料盲检工程数据集； S2：构建神经网络架构，设计一种普通增量分支和可微增量分支，基于普通增量分支初始化所述神经网络架构主干； S3：训练所述神经网络架构主干时，若网络未达到收敛要求，根据预设的生长策略，采用可微增量分支对所述神经网络架构主干进行分支与深度两个方向的生长，生长一直持续到网络达到收敛要求，得到生长后的神经网络； S4：利用生长后的神经网络对自动化物料盲检工程数据集的图像数据进行分类； 步骤S2中构建神经网络架构，具体为： 所述神经网络架构有特征提取器和分类器组成，所述特征提取器为神经网络架构主干由一个卷积与ReLU层和五个正常增量分支依次连接，最后一个正常增量分支与分类器连接，所述分类器为CGAP单元； 所述卷积与ReLU层为一个包含卷积层、ReLU激活层和BN层的序列容器，所述正常增量分支由卷积层、ReLU激活层、最大池化层和BN层组成； 步骤S3中根据预设的生长策略对所述神经网络架构主干进行分支与深度两个方向的生长，具体为： 令接入神经网络架构主干的神经网络为分支，深度生长时，在神经网络架构主干的最后一层后加上可微增量分支，把分支接入主干的正常增量分支或主干的可微增量分支的深度称为分支的深度，分支的层数和深度相等； 从神经网络架构主干的第三层开始生长分支，优先生长分支，再生长深度； 生长分支时，通过设置可微增量分支或卷积与ReLU层内部的卷积核大小、步长和池化层步长，以便和神经网络架构主干中同一深度的层保持特征图形状一致； 生长分支时，依次从浅层到深层的次序接入神经网络架构主干，当神经网络架构主干中最深一层已经接入分支，则进行深度方向的生长； 生长深度时，为主干接入一个不改变特征图形状的可微增量分支即可，下一次就可在可微增量分支的基础上再进行分支的生长，以此循环直到满足收敛条件或者达到预设的迭代次数，不再进行生长； 所述分支具体为： 所述分支由一个卷积与ReLU层、若干可微增量分支、一个卷积与ReLU层依次连接组成，其中，第一个生长的分支有一个可微增量分支，后续生长的分支的可微增量分支的数量依次递增； 所述可微增量分支具体为： 可微增量分支由卷积层、混合操作、最大池化层和BN层组成，其中，可微增量分支的输入特征使用Add操作进行特征融合，所述混合操作提供可微分搜索功能，所述可微增量分支还是用残差结构，所述残差结构跨过混合操作。

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桂林理工大学，其通讯地址为：541010 广西壮族自治区桂林市七星区建干路12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”。