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！

龙图腾网获悉北京邮电大学申请的专利基于类别属性建模的图像分类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：CN116563635B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202310550550.X，技术领域涉及：G06V10/764；该发明授权基于类别属性建模的图像分类系统是由项刘宇;王乐源;何召锋;程祥;李佩佩;吴惠甲设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本基于类别属性建模的图像分类系统在说明书摘要公布了：本发明涉及图像处理技术领域，提出了基于类别属性建模的图像分类系统，包括图像预处理模块，用于对原始图像进行预处理，得到原始图像的多个数据增广变换图像；骨干网络，用于提取第一数据增广变换图像的特征向量xs；持续学习的知识蒸馏分支，用于通过最小化蒸馏损失函数，使特征向量xs与特征向量xt的概率分布误差在第一设定范围内；自监督学习分支，用于通过最小化对比损失函数，使特征向量xs和特征向量xc的误差在第二设定范围内；属性注意力模块，用于使用属性标记与交叉注意力机制计算特征向量xs的属性编码e；分类模块，用于计算每个类别的分类分数。通过上述技术方案，解决了现有技术中基于回放的持续学习方法内存消耗大的问题。

本发明授权基于类别属性建模的图像分类系统在权利要求书中公布了：1.基于类别属性建模的图像分类系统，其特征在于，包括： 图像预处理模块，用于对原始图像进行预处理，得到原始图像的多个数据增广变换图像，所述预处理包括随机裁剪、或随机缩放、或随机颜色或归一化； 骨干网络，所述骨干网络作为学生网络，用于提取第一数据增广变换图像的特征向量； 持续学习的知识蒸馏分支，用于通过最小化蒸馏损失函数，使特征向量与特征向量的概率分布误差在第一设定范围内；所述特征向量为教师网络提取的第一数据增广变换图像的特征向量，所述教师网络与所述学生网络的网络结构相同，在当前轮次任务训练中，教师网络为前一次任务训练中得到的学生网络； 自监督学习分支，用于通过最小化对比损失函数，使特征向量和特征向量的误差在第二设定范围内；所述特征向量为对比网络提取的第二数据增广变换图像的特征向量，所述第二数据增广变换图像和第一数据增广变换图像为同一原始图像经过不同的预处理得到的图像，所述对比网络和所述学生网络的网络结构相同； 属性注意力模块，用于使用属性标记与交叉注意力机制计算特征向量的属性编码e； 分类模块，包括多个类别独立的并联分类器组成的线性分类器组，特征向量的属性编码e被分别输入每一个线性分类器中并使用sigmoid激活，计算每个类别的分类分数； 所述使用属性标记与交叉注意力机制计算特征向量的属性编码e，具体包括： 动态的加入属性标记，并将其作为交叉注意力层中的Query，特征向量作为交叉注意力中的Key,计算交叉注意力层的输出： 其中，、、为交叉注意力层中的参数；为特征的维度，为交叉注意力层中注意力的头数；均为过程变量； 交叉注意力的输出经过带有残差的层归一化与线性层后得到特征向量的属性编码e； 其中，在任一次训练中，属性标记被分为和两部分，其中为前个任务中训练得到的属性标记向量，不在任务的训练中更新；在任务训练开始时被加入模型，其初始值从标准正态分布中采样获得，在任务的训练中通过反向传播更新；属性标记的数量,p为类别数量，r=1,2,…l； 所述使用属性标记与交叉注意力机制计算特征向量的属性编码e，还包括：属性标记经正交化后输入交叉注意力层。

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邮电大学，其通讯地址为：100089 北京市海淀区西土城路10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”。