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！

龙图腾网获悉电子科技大学长三角研究院(湖州)申请的专利补充缺失特征的零样本图片分类方法、系统、设备及介质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：CN115761366B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202211505669.7，技术领域涉及：G06V10/764；该发明授权补充缺失特征的零样本图片分类方法、系统、设备及介质是由沈冯立;李福生;赵彦春;唐荣江设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本补充缺失特征的零样本图片分类方法、系统、设备及介质在说明书摘要公布了：本发明属于计算机视觉技术领域，公开了一种补充缺失特征的零样本图片分类方法、系统、设备及介质，收集零样本图片分类数据集，同时获取所有类别的语义特征；对图片进行特征提取；基于特征训练一生成对抗网络；利用所述生成对抗网络提取伪造的未见类图片特征，将伪造的未见类图片特征与图片特征向量组合得到图片训练数据集；基于所述图片训练数据集训练图片特征分类网络模型，并对测试集中的数据进行测试。本发明公开的方法属于生成式零样本图片分类方法，对于现有的方法中的无法生成缺失某些属性的图片特征的情况进行了优化，从而使生成的未见类图片特征更加符合实际的分布，帮助分类模型学习到更加完整的信息，最终提高分类正确率。

本发明授权补充缺失特征的零样本图片分类方法、系统、设备及介质在权利要求书中公布了：1.一种补充缺失特征的零样本图片分类方法，其特征在于，包括：收集零样本图片分类数据集，同时获取所有类别的类别属性特征；对图片进行特征提取；基于特征训练一生成对抗网络；利用所述生成对抗网络提取伪造的未见类图片特征，将伪造的未见类图片特征与图片特征向量组合得到图片训练数据集；基于所述图片训练数据集训练图片特征分类网络模型，并进行测试；所述对图片进行特征提取中特征包括图片对应的图片属性特征以及利用预训练的网络进行特征提取得到的图片特征向量；将所述图片属性特征中每一维属性的词输入到Word2vector中得到1024维图片特征向量；对不同属性的图片特征向量通过K-means算法进行聚类，将相似的属性聚为一类，进行属性分组；所述生成对抗网络分为两个部分，生成器和判别器；所述生成器的输入是图片的类别属性特征，输出是伪造的可见类的图片特征，通过所述判别器进行判别真伪；所述判别器的输入是伪造的可见类的图片特征和步骤二中提取得到的可见类的真实的图片特征，输出为输入特征的真伪置信度，真的为1，伪的为0；所述类别属性特征是通过所述属性分组将未见类的类别属性特征的某一组的值全部设置为0得到的，再输入到生成器中，得到缺失某组属性的伪造的未见类图片特征。

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电子科技大学长三角研究院(湖州)，其通讯地址为：313000 浙江省湖州市西塞山路819号科技创新综合体B1幢；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。