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！

龙图腾网获悉北京交通大学申请的专利基于在线半监督增量学习的图像分类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：CN119863644B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202411759640.0，技术领域涉及：G06V10/764；该发明授权基于在线半监督增量学习的图像分类方法及系统是由张宝鹏;曾海伦;滕竹设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本基于在线半监督增量学习的图像分类方法及系统在说明书摘要公布了：本发明提供了一种基于在线半监督增量学习的图像分类方法及系统，属于计算机视觉领域。所述方法获取线上新批次数据，并同步更新缓存区样本；同时获取此时特征提取模型的参数，作为第一模型参数；将新批次数据和缓存区样本进行数据增强得到双视图并进行特征提取，进行实例级别和伪标签级别的双对比学习，并更新模型参数作为第二模型参数；若为第一次双对比学习，从负样本中剔除置信度超过对应类别阈值的样本，将此时的模型参数作为第三模型参数；此后，通过费歇尔信息矩阵对三个模型参数加权后进行集成学习。本发明实现了对在线半监督数据流的高效增量学习，提高了半监督增量学习模型在线上数据流下学习的可塑性和稳定性，提高了图像分类的准确率。

本发明授权基于在线半监督增量学习的图像分类方法及系统在权利要求书中公布了：1.一种基于在线半监督增量学习的图像分类方法，其特征在于，所述方法包括如下步骤： 步骤S1，获取线上新批次数据，并同步更新缓存区样本；同时获取此时特征提取模型的参数，作为第一模型参数； 步骤S2，将新批次数据和缓存区样本进行数据增强得到双视图； 步骤S3，通过特征提取模型对双视图进行特征提取，得到双视图的特征表示； 步骤S4，对所述双视图的特征表示同时进行实例级别和伪标签级别的双对比学习，并更新特征提取模型的参数，将此时的参数作为第二模型参数； 步骤S5，判断步骤S4中的双对比学习是否为第一次双对比学习；若是，则进入步骤S6；若不是，则转入步骤S7； 步骤S6，从负样本中剔除置信度超过对应类别阈值的样本，并将此时的特征提取模型的参数作为第三模型参数，转入步骤S4； 步骤S7，通过费歇尔信息矩阵对第一模型参数、第二模型参数和第三模型参数加权后进行集成学习； 步骤S8，将集成学习后的模型作为成熟的图像分类模型，对当前图像进行分类；当新批次的数据产生时，转入步骤S1。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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。