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！

龙图腾网获悉广州大学申请的专利一种基于全局和局部特征关联分析的少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：CN117197578B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202311220581.5，技术领域涉及：G06V10/764；该发明授权一种基于全局和局部特征关联分析的少样本图像分类方法是由杨钊;曹任龙;艾伟伟;罗柳飞设计研发完成，并于2023-09-20向国家知识产权局提交的专利申请。

本一种基于全局和局部特征关联分析的少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全局和局部特征关联分析的少样本图像分类方法，其中，方法包括：步骤1，将训练任务输入卷积网络，得到原始全局特征和原始局部特征集；步骤2，计算原始全局特征和原始局部特征集的相关系数；步骤3，将局部特征划分为背景相关局部特征和类相关局部特征，调整相关系数并赋权重得到含有少量背景信息的局部特征集；步骤4，对含有少量背景信息的局部特征集进行多尺度池化拼接，得到最终查询图像局部特征集和最终支撑图像局部特征集；步骤5，计算最终查询图像局部特征和最终支撑图像局部特征集的相似度，更新网络参数；步骤6，使用多任务重复步骤1至步骤5，得到少样本分类模型；步骤7，使用模型分类。

本发明授权一种基于全局和局部特征关联分析的少样本图像分类方法在权利要求书中公布了：1.一种基于全局和局部特征关联分析的少样本图像分类方法，其特征在于，包括： 步骤1，初始化卷积神经网络模型参数，将包含查询集图像和支撑集图像的少样本训练任务输入到所述卷积神经网络模型中，得到查询集和支撑集中每张图像的原始全局特征和原始局部特征集； 步骤2，分别计算所述查询集和所述支撑集中训练图像的原始全局特征和原始局部特征集的相关系数； 步骤3，使用自适应阈值法将所述原始局部特征集里的局部特征划分为背景相关局部特征和类相关局部特征，使用自定义缩放函数调整背景相关局部特征和类相关局部特征的所述相关系数；通过注意力公式对所述相关系数进行调整得到注意力权重矩阵，并根据所述注意力权重矩阵对原始局部特征集赋予权重，得到含有少量背景信息的局部特征集； 步骤4，对各类图像对应的所述含有少量背景信息的局部特征集进行多尺度平均池化和拼接，得到最终查询图像局部特征集和最终支撑图像局部特征集； 步骤5，计算所述最终查询图像局部特征集和所述最终支撑图像局部特征集的相似度得分，将各相似度得分输入多层感知机得到相似概率分数，依次利用softmax函数和交叉熵损失函数计算损失，并更新卷积神经网络模型参数； 步骤6，使用多个少样本训练任务重复执行所述步骤1至所述步骤5，保留分类效果最好的卷积神经网络模型的参数，得到少样本图像分类模型； 步骤7，使用所述少样本图像分类模型对新查询集图像进行分类。

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广州大学，其通讯地址为：510006 广东省广州市番禺区小谷围街道大学城外环西路230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”。