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！

龙图腾网获悉华东师范大学申请的专利一种基于偏差矫正的增量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：CN117152495B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202311022074.0，技术领域涉及：G06V10/764；该发明授权一种基于偏差矫正的增量小样本图像分类方法是由谢源;张洪权;张志忠;谭鑫设计研发完成，并于2023-08-15向国家知识产权局提交的专利申请。

本一种基于偏差矫正的增量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偏差矫正的增量小样本图像分类方法，其特点是利用一个转换矩阵将一个有偏差的预测分布转化为一个无偏差的预测分布，并且微调模型最后一层适应增量数据的表征辅助偏差矫正；该转换矩阵具有对角主导列随机并且是一个可学习的转换矩阵的特点，能够将增量类偏向基类的预测分布转化为正常的无偏差的预测分布。本发明与现有相关技术相比具有增量阶段不受特征空间限制和模型参数持续更新带来灾难性遗忘的优点，通过给增量任务数据更多地关注，在增量任务数据和所有任务数据上都取得了更高的分类正确率结果。

本发明授权一种基于偏差矫正的增量小样本图像分类方法在权利要求书中公布了：1.一种基于偏差矫正的增量小样本图像分类方法，其特征在于，具体步骤如下： 步骤1：数据集准备与预处理 收集待分类的图像数据，按照类别划分为不同任务，其中第一个任务需要大量数据并且每个类别使用所有数据，后续增量任务按照N-wayK-shot的方式设定，其中N表示类别数，K表示每个类别的样本数； 步骤2：基类任务模型构建和训练 基类任务模型包含基类特征提取网络和基类分类器两部分，基类特征提取网络使用Resnet-18，基类分类器采用全连接层，基类任务模型使用交叉熵损失优化模型；此步骤旨在利用已有的大量标注数据训练一个基类特征提取网络； 步骤3：增量任务模型构建 3-1：构建增量类特征提取网络：固定基类特征提取网络前三层，最后一层用于适应增量任务； 3-2：初始化转换矩阵M，维度等于增量类别数量和基类数量之和，用sigmoid非线性激活函数激活，将转换矩阵基类对应的对角线元素和增量类对应的对角线元素进行替换，并且要求基类类对角线对应的元素小于增量类对角线对应的元素； 步骤4：增量任务训练 4-1：利用基类特征提取网络和基类训练数据提取基类数据的图片特征featbase，并计算基类每个类别的原型点，公式如下： 其中为基类第c类的原型点，K为基类每个类别的图片数量； 4-2：利用3-1构建的增量类特征提取网络和增量类训练数据提取增量类图片特征featnovel； 4-3：利用4-2提取的增量类图片特征计算增量类图片原型点，公式如下： 其中为增量类第c类的原型点，N为增量类每个类别的图片数量；将与4-1得到的基类原型点合并， 是所有类别的原型点，用于分类； 4-4：使用余弦相似度作为度量，利用4-3得到的原型点与4-2得到的特征进行分类，得到一个增量类偏向基类的预测分布表示预测样本X被预测为类别Y的概率； 4-5：利用3-2的转换矩阵对4-4的预测分布进行矫正， 得到矫正后的分布PY|X是一个无偏差的预测分布。

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华东师范大学，其通讯地址为：200241 上海市闵行区东川路500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”。