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！

龙图腾网获悉西北工业大学申请的专利一种基于梯度分解与对齐的增量目标检测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：CN119625286B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202510148183.X，技术领域涉及：G06V10/25；该发明授权一种基于梯度分解与对齐的增量目标检测方法是由张艳宁;罗文龙;张世周;王晨旭;邢颖慧;王鹏;田雪涛设计研发完成，并于2025-02-11向国家知识产权局提交的专利申请。

本一种基于梯度分解与对齐的增量目标检测方法在说明书摘要公布了：本发明属于计算机视觉技术领域，具体公开了一种基于梯度分解与对齐的增量目标检测方法，包括以下步骤：构建基于梯度分解与对齐的增量目标检测模型；利用基于梯度分解与对齐的增量目标检测模型完成增量目标检测。本发明通过伪标签生成与筛选机制能够有效解决增量目标检测中旧类别样本无标注的问题，并提出梯度分解与对齐策略，在增量训练中实现了新旧类别梯度的动态调整，确保新类别学习的同时不损害旧类别知识的保留，提高了增量目标检测模型的稳定性与可塑性平衡，进而解决了增量目标检测中灾难性遗忘、类别重叠以及新旧类别学习平衡难以优化的问题。

本发明授权一种基于梯度分解与对齐的增量目标检测方法在权利要求书中公布了：1.一种基于梯度分解与对齐的增量目标检测方法，其特征在于，包括以下步骤： S1.构建基于梯度分解与对齐的增量目标检测模型； S2.将待检测的图像输入至基于梯度分解与对齐的增量目标检测模型完成增量目标检测； 所述步骤S1具体包括以下步骤： 构建增量目标检测模型，并对增量目标检测模型进行初训练； 利用基于高斯混合模型的伪标签生成与筛选模块和梯度分解与对齐模块对增量目标检测模型进行增量学习，得到基于梯度分解与对齐的增量目标检测模型； 所述基于高斯混合模型的伪标签生成与筛选模块，用于接收完成初训练的增量目标检测模型的预测结果，并根据完成初训练的增量目标检测模型的预测结果，生成并筛选伪标签，具体为： 利用增量目标检测模型，对当前阶段的数据进行推理，生成预测结果集合，所述预测结果集合为： 其中，表示增量目标检测模型的预测结果集合，表示增量目标检测模型的第个候选区域的边界框位置，表示第个特征向量的预测类别，表示增量目标检测模型的第个预测结果的置信度分数，有； 基于高斯混合模型对预测结果集合中的置信度分数的集合进行建模，得到置信度分数集合的高斯混合模型，其表述公式为： 其中，表示置信度分数集合的高斯混合模型，表示均值为、方差为的高斯分布，表示均值为、方差为的高斯分布，表示置信度分数低于阈值的区域的权重，表示置信度分数高于阈值的区域的权重，、、、、和通过无监督的期望最大化算法估计得到； 根据置信度分数集合的高斯混合模型，将预测结果集合中的预测结果划分为三个置信度区域，分别为： ，为低置信度区域，直接丢弃；其中，表示超参，有； ，为中置信度区域； ，为高置信度区域，提取为伪标签，保留旧类别的知识表示，缓解灾难性遗忘问题； 所述梯度分解与对齐模块，用于接收所述伪标签，根据增量目标检测模型的总损失函数，将增量目标检测模型的梯度动态分解为新标签梯度和伪标签梯度，并在增量目标检测模型的梯度与伪标签梯度方向冲突时将梯度映射到与伪标签梯度垂直的方向，确保新类别学习的同时不损害旧类别知识的保留，进而根据更新后的梯度更新增量目标检测模型的参数，得到基于梯度分解与对齐的增量目标检测模型。

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：710068 陕西省西安市友谊西路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”。

以上内容由龙图腾AI智能生成。