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！

龙图腾网获悉华南理工大学申请的专利一种基于FPGA开发板的解析类增量学习方法及系统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：CN119646526B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202510175723.3，技术领域涉及：G06F18/214；该发明授权一种基于FPGA开发板的解析类增量学习方法及系统是由庄辉平;韩贺;刘硕;李志明;王骏飞设计研发完成，并于2025-02-18向国家知识产权局提交的专利申请。

本一种基于FPGA开发板的解析类增量学习方法及系统在说明书摘要公布了：本发明公开了一种基于FPGA开发板的解析类增量学习方法及系统。所述方法采用模型反向传播训练方法对基类数据集进行训练，得到基础模型；提取权重参数，构建初始模型作为目标模型；若存在待增量学习的多个新类数据集时，为各个新类数据集设定训练顺序；对各个新类数据集进行特征提取和特征融合，得到对应各个新类数据集的特征融合向量；按照训练顺序对初始模型进行多个轮次的类增量学习，输出最后轮次的类增量学习模型作为目标模型；将待检测图像输入目标模型，得到图像的分类标签。本发明的类增量学习过程无需依赖旧类别的数据样本，在有效保护数据隐私的同时，通过优化输入方式，能够快速地部署在FPGA开发板上。

本发明授权一种基于FPGA开发板的解析类增量学习方法及系统在权利要求书中公布了：1.一种基于FPGA开发板的解析类增量学习方法，其特征在于，包括以下步骤： S1、选择神经网络模型，使用预先设定的基类数据集，对神经网络模型进行训练，得到包括输入层、特征提取层、分类器层和输出层的基础模型； S2、冻结基础模型的特征提取层的权重参数，通过基类数据集对基础模型进行解析重排列，获得包括初始分类器层的初始模型作为目标模型； 具体包括以下步骤： S2.1、将基类数据集中的图像数据输入特征提取层，特征提取层对输入的图像数据进行特征提取，得到特征向量； S2.2、将特征向量输入重排列层，进行特征扩张和重排列，得到特征扩张向量；具体如下： S2.2.1、对特征向量进行升维，得到特征矩阵； S2.2.2、对特征矩阵进行转置，得到转置后的特征矩阵； S2.2.3、进行特征扩张，得到扩张矩阵，具体如下： S2.2.4、对扩张矩阵进行重排列，得到特征扩张向量；取扩张矩阵元素，以行为顺序，依次将每行元素放置在第一行，组成特征扩张向量；上三角元素包括矩阵主对角线及其右侧的所有元素； S2.3、根据特征扩张向量和基类数据集中的类别标签确定全连接层的权重参数，具体如下： 其中，为的转置矩阵；表示单位矩阵；表示矩阵的求逆运算；为正则化项系数；为自相关矩阵；表示对应的类别标签； S2.4、根据全连接层的权重参数确定初始模型； S3、判断是否存在待增量学习的多个新类数据集，若是则为各个新类数据集设定训练顺序，执行步骤S4，否则执行步骤S6； S4、对各个新类数据集进行特征提取和特征融合，得到对应各个新类数据集的特征融合向量； S5、按照训练顺序根据新类数据集和对应各个新类数据集的特征融合向量对所述初始模型进行多个轮次的类增量学习，输出最后轮次的类增量学习模型作为目标模型； S6、将待检测图像输入目标模型，得到图像的分类标签；返回步骤S3。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。