買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉北京大學(xué)申請的專利基于增量學(xué)習(xí)的輕量化物體檢測方法和裝置獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115170858B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210518146.X，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)基于增量學(xué)習(xí)的輕量化物體檢測方法和裝置是由陳梓帆;董和鑫;于飛;趙杰;袁銘澤;張立;董彬設(shè)計研發(fā)完成，并于2022-05-12向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于增量學(xué)習(xí)的輕量化物體檢測方法和裝置在說明書摘要公布了：本發(fā)明提供一種基于增量學(xué)習(xí)的輕量化物體檢測方法和裝置，所述基于增量學(xué)習(xí)的輕量化物體檢測方法，包括：獲取待測圖像和目標(biāo)特征類別圖像；將待測圖像輸入至檢測模塊，獲取由檢測模塊輸出的多個子特征圖像；將多個子特征圖像輸入至分類模塊，獲取由分類模塊輸出子特征圖像對應(yīng)的特征表達(dá)，以及多個子特征圖像中第一目標(biāo)子特征圖像對應(yīng)的類別；基于多個子特征圖像中第二目標(biāo)子特征圖像對應(yīng)的特征表達(dá)和目標(biāo)特征類別圖像間的相似度，確定第二目標(biāo)子特征圖像對應(yīng)的類別。本發(fā)明的基于增量學(xué)習(xí)的輕量化物體檢測方法，在無需重復(fù)訓(xùn)練的前提下，即可完成對新類別的識別，顯著提高模型的泛化能力和擴(kuò)展性，適用于涉及不斷變化的信息流的情景。

本發(fā)明授權(quán)基于增量學(xué)習(xí)的輕量化物體檢測方法和裝置在權(quán)利要求書中公布了：1.一種基于增量學(xué)習(xí)的輕量化物體檢測方法，其特征在于，包括： 獲取待測圖像和目標(biāo)特征類別圖像，所述目標(biāo)特征類別圖像為所述待測圖像中未訓(xùn)練的特征類別所對應(yīng)的圖像； 將所述待測圖像輸入至檢測模塊，獲取由所述檢測模塊輸出的多個子特征圖像； 將所述多個子特征圖像輸入至分類模塊，獲取由所述分類模塊輸出的所述子特征圖像對應(yīng)的特征表達(dá)，以及所述多個子特征圖像中第一目標(biāo)子特征圖像對應(yīng)的類別；所述第一目標(biāo)子特征圖像對應(yīng)的類別為已訓(xùn)練的特征類別； 基于所述多個子特征圖像中第二目標(biāo)子特征圖像對應(yīng)的特征表達(dá)和所述目標(biāo)特征類別圖像間的相似度，確定所述第二目標(biāo)子特征圖像對應(yīng)的類別；所述第二目標(biāo)子特征圖像對應(yīng)的類別為未訓(xùn)練的特征類別； 其中，所述檢測模塊的輸出端與所述分類模塊的輸入端連接，所述檢測模塊是根據(jù)帶有樣本子特征圖像標(biāo)簽的樣本圖像訓(xùn)練后獲得的，所述分類模塊是根據(jù)帶有樣本類別標(biāo)簽的樣本子特征圖像訓(xùn)練后獲得的。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人北京大學(xué)，其通訊地址為：100871 北京市海淀區(qū)頤和園路5號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。