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！

龙图腾网获悉中国科学院自动化研究所申请的专利目标重识别模型抗遗忘训练方法、目标重识别方法及装置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：CN115439878B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202210887829.2，技术领域涉及：G06V40/10；该发明授权目标重识别模型抗遗忘训练方法、目标重识别方法及装置是由徐常胜;姚涵涛设计研发完成，并于2022-07-26向国家知识产权局提交的专利申请。

本目标重识别模型抗遗忘训练方法、目标重识别方法及装置在说明书摘要公布了：本发明提供一种目标重识别模型抗遗忘训练方法、目标重识别方法及装置，其中方法包括：基于历史识别模型，应用当前轮的样本图像，确定样本图像的第一身份特征；并基于样本图像的第一身份特征、当前轮的样本身份标签和第一历史身份特征集合，确定第一当前身份特征集合和样本图像的历史身份标签，基于样本图像、样本图像的历史身份标签、第一当前身份特征集合和第一历史身份特征集合对初始识别模型进行训练，得到当前识别模型，实现了在识别模型训练时学习新身份特征的同时复习历史身份特征，从而能够缓解应用新数据对识别模型进行训练导致的灾难性遗忘的问题，提高了识别模型的抗遗忘能力。

本发明授权目标重识别模型抗遗忘训练方法、目标重识别方法及装置在权利要求书中公布了：1.一种目标重识别模型抗遗忘训练方法，其特征在于，包括： 基于历史识别模型，确定初始识别模型； 基于所述历史识别模型，应用当前轮的样本图像，确定所述样本图像的第一身份特征；并基于所述样本图像的第一身份特征、所述当前轮的样本身份标签和第一历史身份特征集合，确定第一当前身份特征集合和所述样本图像的历史身份标签； 基于所述样本图像、所述样本图像的历史身份标签、所述第一当前身份特征集合和所述第一历史身份特征集合对所述初始识别模型进行训练，得到当前识别模型； 基于所述当前识别模型，应用所述样本图像，确定第二当前身份特征集合，并基于所述第二当前身份特征集合和所述第一历史身份特征集合，确定第二历史身份特征集合； 将所述当前识别模型作为所述历史识别模型，以及将第二历史身份特征集合作为所述第一历史身份特征集合用于下一轮训练迭代；并将迭代完成得到的所述当前识别模型作为目标重识别模型； 所述基于所述样本图像、所述样本图像的历史身份标签、所述第一当前身份特征集合和所述第一历史身份特征集合对所述初始识别模型进行训练，得到当前识别模型，包括： 基于所述初始识别模型，应用所述样本图像，确定所述样本图像的第二身份特征； 基于所述样本图像的第二身份特征和所述第一当前身份特征集合，确定当前损失，并基于所述样本图像的历史身份标签、所述样本图像的第二身份特征和所述第一历史身份特征集合，确定历史损失； 基于所述当前损失和所述历史损失，确定联合损失；并基于所述样本图像的第二身份特征和所述样本图像的样本身份标签更新所述第一当前身份特征集合； 基于所述联合损失，对所述初始识别模型进行参数迭代，直到所述联合损失收敛，得到所述当前识别模型； 所述基于所述样本图像的第一身份特征、所述当前轮的样本身份标签和第一历史身份特征集合，确定第一当前身份特征集合和所述样本图像的历史身份标签，包括： 基于所述样本身份标签和所述样本图像的第一身份特征，确定所述样本身份标签对应的身份特征； 基于所述样本身份标签和所述样本身份标签对应的身份特征，确定所述第一当前身份特征集合； 将所述第一当前身份特征集合中各身份特征，与所述第一历史身份特征集合中各进行循环匹配，得到身份标签匹配对和身份标签匹配对的匹配度； 若所述身份标签匹配对的匹配度小于预设相似度阈值，则所述样本身份标签对应的历史身份标签为默认标签；否则，基于所述身份特征匹配对，确定所述样本身份标签对应的历史身份标签。

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中国科学院自动化研究所，其通讯地址为：100190 北京市海淀区中关村东路95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。