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增量学习支持的计算机视觉目标识别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：CN120635553B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202510725552.7，技术领域涉及：G06V10/764；该发明授权增量学习支持的计算机视觉目标识别方法及系统是由张钱乐;张怀东设计研发完成，并于2025-06-03向国家知识产权局提交的专利申请。

本增量学习支持的计算机视觉目标识别方法及系统在说明书摘要公布了：本发明涉及增量学习支持的计算机视觉目标识别方法及系统，涉及图像处理领域，获得目标检测模型的关联图像及第一高频背景图像以及待识别图像及第二高频背景图像，计算关联图像与待识别图像的第一语义相似度，计算第一高频背景图像与第二高频背景图像的第二语义相似度，计算关联图像于第一高频背景图像的第一分布特征与待识别图像于第二高频背景图像的第二分布特征的分布相似度，根据第一、二语义相似度及分布相似度进行任务相似分析获得任务相似度，当其大于或等于相似度阈值对模型进行共享主干网络增量学习，否则，进行增加分支网络增量学习，解决了动态环境下目标识别灵活性和准确性不足，导致识别出现误检或漏检的问题。

本发明授权增量学习支持的计算机视觉目标识别方法及系统在权利要求书中公布了：1.增量学习支持的计算机视觉目标识别方法，其特征在于，包括： 获得基础目标检测模型的关联目标图像及第一高频背景图像，以及待识别目标图像及第二高频背景图像，包括： 获得所述关联目标图像的第一历史背景图像直到第N历史背景图像； 对所述第一历史背景图像直到所述第N历史背景图像进行语义相似度聚类，获得多组历史背景图像，将组内图像数量大于或等于组内图像数量阈值的类，分别随机选取一张图像，添加进所述第一高频背景图像； 计算所述关联目标图像与所述待识别目标图像的第一语义相似度，第一语义相似度计算公式为： ； 其中，表征目标图像X在特征提取网络第k层的特征协方差矩阵，表征目标图像Y的在特征提取网络第k层的特征协方差矩阵，表征第k层特征的权重系数，表征选取的特征层数，表征矩阵迹运算，表示协方差矩阵的能量； 计算所述第一高频背景图像与所述第二高频背景图像的第二语义相似度，第二语义相似度计算公式为： ； 其中，表征第一高频背景图像，通过Butterworth高通滤波提取，表征第二高频背景图像，通过Butterworth高通滤波提取，表征对图像块的多方向梯度直方图，将图像划分为B个块，每块计算8方向梯度直方图，表征L1范数，衡量直方图差异； 计算所述关联目标图像于所述第一高频背景图像的第一分布特征，与所述待识别目标图像于所述第二高频背景图像的第二分布特征的分布相似度，分布相似度计算公式为： ； 其中，表征背景图像划分为的网格数，表征旧任务中目标中心落在网格的频率，表征新任务中目标中心落在网格的频率，表征旧任务中目标面积与网格面积的比值，表征新任务中目标面积与网格面积的比值； 根据所述第一语义相似度、所述第二语义相似度、所述分布相似度进行任务相似分析，获得任务相似度； 当所述任务相似度大于或等于任务相似度阈值，对所述基础目标检测模型进行共享主干网络增量学习进行目标识别，否则，对所述基础目标检测模型进行增加分支网络增量学习进行目标识别。

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华南理工大学，其通讯地址为：510635 广东省广州市天河区五山路；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。