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！

龙图腾网获悉山东大学申请的专利基于多尺度跨模态提示增强的小样本图像分类方法及系统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：CN119313966B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411447296.1，技术领域涉及：G06V10/764；该发明授权基于多尺度跨模态提示增强的小样本图像分类方法及系统是由王强昌;李文浩;尹义龙设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本基于多尺度跨模态提示增强的小样本图像分类方法及系统在说明书摘要公布了：本发明公开一种基于多尺度跨模态提示增强的小样本图像分类方法及系统，涉及小样本图像分类技术领域，包括：获取查询图像以及已标注类别的支持图像小样本数据集；将获取数据输入至训练完成的小样本图像分类模型中，经模型中基于分层多模态提示增强的特征提取器，提取查询图像的视觉特征和每一支持图像的增强视觉特征，提取的所有增强视觉特征经全局平均池化后，获取每一类别的增强视觉特征原型，根据查询图像视觉特征与每一类别增强视觉特征原型计算类别的相似度得分，确定得分最高的类别，作为查询图像的分类结果并输出；其中，所述小样本图像分类模型采用全局‑局部自引导监督机制训练得到。本发明可显著提升小样本图像分类的精度和鲁棒性。

本发明授权基于多尺度跨模态提示增强的小样本图像分类方法及系统在权利要求书中公布了：1.一种基于多尺度跨模态提示增强的小样本图像分类方法，其特征在于，包括： 获取查询图像以及已标注类别的支持图像小样本数据集； 将查询图像和支持图像小样本数据集输入至训练完成的小样本图像分类模型中，经模型中基于分层多模态提示增强的特征提取器ViT，提取查询图像的视觉特征和每一支持图像的增强视觉特征，提取的所有增强视觉特征经全局平均池化后，获取每一类别的增强视觉特征原型，根据查询图像视觉特征与每一类别增强视觉特征原型计算类别的相似度得分，确定得分最高的类别，作为查询图像的分类结果并输出； 其中，所述小样本图像分类模型采用全局-局部自引导监督机制训练得到； 利用已知类别的查询图像和已标注类别的支持图像小样本数据集，训练小样本图像分类模型，训练过程中采用全局-局部自引导监督机制，构建基于视觉特征语义一致性损失、全局监督损失和局部监督损失的损失函数，通过不断迭代训练，直至损失函数最小化，完成模型的训练； 所述视觉特征语义一致性损失为经基于分层多模态提示增强的特征提取器ViT提取的原始视觉特征和增强视觉特征之间的平方偏差； 所述全局监督损失为基于查询图像的输出分类结果和真实类别标签的交叉熵损失； 所述局部监督损失的构建，包括： 利用基于分层多模态提示增强的特征提取器ViT结合全连接层构造伪分类模型，并利用支持图像小样本数据集预训练该伪分类模型； 利用伪分类模型输出查询图像的补丁级伪标签；所述补丁级伪标签为查询图像中划分的若干局部块的分类置信度分数； 根据分类置信度分数，采用top-k排序方式筛选出最相关的k个局部块，将其余局部块划分为背景类局部块； 基于查询图像中所有局部块和背景类局部块的交叉熵损失，构建局部监督损失。

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山东大学，其通讯地址为：250101 山东省济南市高新区舜华路1500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。