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！

龙图腾网获悉重庆师范大学申请的专利基于原型补足的小样本图像分类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：CN117132830B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202311121099.6，技术领域涉及：G06V10/764；该发明授权基于原型补足的小样本图像分类方法是由吕佳;郑小琪设计研发完成，并于2023-08-30向国家知识产权局提交的专利申请。

本基于原型补足的小样本图像分类方法在说明书摘要公布了：本发明公开了一种基于原型补足的小样本图像分类方法，包括：S1.提取支持集的图像特征Zs以及查询集的图像特征Zq；S2.对图像特征Zs进行类内信息提取处理，得到特征原型cfinal；S3.对图像特征Zq进行类间信息提取处理，得到新样本；对图像特征Zq进行平均池化，得到池化后的特征图像；S4.将特征原型cfinal与新样本输入第一分类器，计算得到损失函数Lreg；将特征原型cfinal与池化后的特征图像输入第二分类器，计算得到损失函数Lmeta；S5.利用损失函数Lreg以及损失函数Lmeta，构建图像分类模型的损失函数L，将待测图像输入到图像分类模型，输出待测图像的分类结果。本发明能够结合每个小样本任务中的样本特点，自适应地为任务补充信息，提高了图像分类的准确性。

本发明授权基于原型补足的小样本图像分类方法在权利要求书中公布了：1.一种基于原型补足的小样本图像分类方法，其特征在于：包括如下步骤： S1.提取支持集的图像特征Zs以及查询集的图像特征Zq； S2.对图像特征Zs进行类内信息提取处理，得到特征原型cfinal，具体包括： S21.对图像特征Zs进行重构，得到重构后的图像特征Zs′； S22.构建类内信息提取器；所述类内信息提取器包括3×3卷积层、1×1卷积层、Transformer层、LeakyRelu激活函数、最大池化函数以及平均池化函数； 将重构后的图像特征Zs′输入到类内信息提取器，进行如下操作： 进行3×3卷积，得到融合后的特征图； 将融合后的特征图通过LeakyReLu激活函数与最大池化操作后，特征图尺寸减小为正常样本特征图的大小； 进行1×1卷积，得到第二融合后的特征图；利用Transformer层进行自注意力计算，将第二融合后的特征图进一步增强，得到增强后的特征； 通过LeakyReLu激活函数处理以及全局平均池化增强后的特征，输出类别描述信息； S23.将类别描述信息与初始特征原型的和作为特征原型cfinal； S3.对图像特征Zq进行类间信息提取处理，得到新样本；对图像特征Zq进行平均池化，得到池化后的特征图像； 其中，对图像特征Zq进行类间信息提取处理，得到新样本，具体包括： S31.对图像特征Zq进行重构，得到重构后的图像特征Zq′； S32.构建类间信息提取器；所述类间信息提取器包括5×1卷积层、1×1卷积层、Transformer层、LeakyRelu激活函数以及平均池化函数； 将重构后的图像特征Zq′输入到类间信息提取器，进行如下操作： 进行5×1卷积，得到融合后的特征图Z′q-f； 将融合后的特征图Z′q-f通过LeakyReLu激活函数处理，并进行图像尺寸调整，得到尺寸调整后的特征图Z′q-s； 将特征图Z′q-s进行1×1卷积，得到融合后的特征图 利用Transformer层进行自注意力计算，将特征图进一步增强，得到增强后的特征Z′q-e； 通过LeakyReLu激活函数处理以及全局平均池化增强后的特征Z′q-e，输出新样本； S4.将特征原型cfinal与新样本输入第一分类器，计算得到损失函数Lreg；将特征原型cfinal与池化后的特征图像输入第二分类器，计算得到损失函数Lmeta； S5.利用损失函数Lreg以及损失函数Lmeta，构建图像分类模型的损失函数L，将待测图像输入到图像分类模型，输出待测图像的分类结果。

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重庆师范大学，其通讯地址为：401331 重庆市沙坪坝区大学城中路37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”。