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！

龙图腾网恭喜西安电子科技大学申请的专利一种用于连续学习图像分类的跨子空间知识对齐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：CN119942270B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202510421323.6，技术领域涉及：G06V10/774；该发明授权一种用于连续学习图像分类的跨子空间知识对齐方法是由程德;何凌峰;王楠楠;卫鑫;杨曦;高新波设计研发完成，并于2025-04-07向国家知识产权局提交的专利申请。

本一种用于连续学习图像分类的跨子空间知识对齐方法在说明书摘要公布了：本发明公开了一种用于连续学习图像分类的跨子空间知识对齐方法，旨在增强模型对误导性任务ID的鲁棒性。本发明的跨子空间知识对齐与聚合方式在学习任务识别器的同时，还通过专用的任务子模块来确保模型的可塑性，并采用了一种双重知识对齐训练框架。双重知识对齐在特征和分类器决策边界级别对齐不同子空间的特征语义和决策边界，从而克服子空间不对齐带来的模糊决策问题。此外，为了在推理过程中避免对误导性任务ID产生过度自信，本发明提出了一种任务置信引导的适配器混合的强大推理机制，通过任务子模块的软知识聚合实现更稳健的推理。实验表明，本发明的跨子空间知识对齐与聚合方式在性能上优于现有的基于高效参数微调的类别增量学习方法。

本发明授权一种用于连续学习图像分类的跨子空间知识对齐方法在权利要求书中公布了：1.一种用于连续学习图像分类的跨子空间知识对齐方法，其特征在于，包括： S1，获取用于类别增量学习场景的连续学习训练数据集，所述连续学习训练数据集包括用于图像分类的多个任务的图像数据集，所有任务的图像数据集类别不同且不相交； S2，搭建用于连续学习图像分类的网络模型，所述网络模型包括：对预先训练的ViT网络的主干网络进行参数冻结后形成的特征提取器、L个可训练的任务间共享的提示向量、可训练的任务间独立的任务子模块以及全连接层构建的分类器；其中，所述特征提取器含有L个变换器块，各提示向量分别插入到一个变换器块的原始输入中以使得L个提示向量和所述特征提取器共同构成任务共享网络；每个任务子模块包括L个适配器，对应作用于所述特征提取器的L个变换器块中； S3，确定所述网络模型的基本损失函数，并构建特征级别对齐的损失函数和决策边界级别对齐的损失函数，利用所有损失函数之和构建总损失函数，从而构建出跨子空间知识对齐的训练框架；所述网络模型的基本损失函数表示为： ； 其中，表示所述网络模型的基本损失函数；表示当前任务的图像数据集的批次的大小；表示当前任务的图像数据集的批次中的第个图像数据；表示图像分类中常用的softmax激活函数；表示交叉熵损失；将从所述任务共享网络提取的共享特征记为，将从当前任务的任务子模块提取的特征记为，中第个共享特征，中第个特征；表示L个提示向量的集合；表示任务的任务子模块；表示特征提取器；表示经过分类器后的特征；表示的标签；表示经过分类器后的特征；表示的标签； S4，在所述训练框架下，利用所述多个任务的图像数据集依次训练所述网络模型，直至所述总损失函数的数值达到收敛，得到训练完成的网络模型； S5，将测试数据集输入到所述训练完成的网络模型中，通过任务置信度指导的多适配器混合推理实现跨子空间的知识聚合，从而实现连续学习的图像分类任务。

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安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。