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！

龙图腾网获悉西安电子科技大学申请的专利基于原型掩码对比和跨阶段特征细化的小样本HSI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：CN119672440B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411903565.0，技术领域涉及：G06V10/764；该发明授权基于原型掩码对比和跨阶段特征细化的小样本HSI分类方法是由张玮桐;王子鸿;尚荣华;任晋弘设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本基于原型掩码对比和跨阶段特征细化的小样本HSI分类方法在说明书摘要公布了：本发明公开了基于原型掩码对比和跨阶段特征细化的小样本HSI分类方法，方法包括：交叉在源域和目标域进行元任务训练，每次元任务将支持集和查询集的样本进行光谱维度统一后，进行抗邻近像素依赖的多维度特征融合，得到支持特征和查询特征；构建每次元任务下代表原型的正负样本对并通过图卷积进行原型掩码对比；基于跨域共享的多层感知机的强调映射进行对特征消除冗余的细化，多层感知机和定向校准协调对支持特征和查询特征进行跨阶段特征细化，得到细化支持特征和细化查询特征，两个训练阶段优化不同的损失；测试阶段使用目标域的小样本，依次通过维度统一映射、特征提取模块、多层感知机后提取的特征，训练K近邻分类器进行分类预测。

本发明授权基于原型掩码对比和跨阶段特征细化的小样本HSI分类方法在权利要求书中公布了：1.基于原型掩码对比和跨阶段特征细化的小样本HSI分类方法，其特征在于，包括以下步骤： 交叉由源域数据集或目标域数据集的原始高光谱图像生成支持集和查询集； 将支持集和查询集的样本进行光谱维度统一后，通过特征提取模块进行抗邻近像素依赖的多维度特征融合，得到支持特征和查询特征； 基于无参数的自适应掩码生成器构建每次元任务下代表原型的正负样本对并通过图卷积进行原型掩码对比；具体为，基于无参数的自适应掩码生成器根据每次元任务得到的代表原型组的条件分布，生成强调掩码组和与强调掩码组互补的隐藏掩码组，根据强调掩码组和隐藏掩码组对每个原型自适应筛选强类别相关的分量构建代表原型的正对，留下冗余分量构建代表原型的负对，得到每次元任务下代表原型的正负样本对，利用每次元任务下代表原型的正负样本对将对比组构建为原型对比图后，通过图卷积提取节点之间的高阶依赖关系进行监督对比学习； 结合每次元任务下代表原型的正对，基于跨域共享的多层感知机的强调映射进行对特征消除冗余的细化，并按照是否进行强调映射设置为两阶段训练模式，每个阶段基于定向校准细化不同层次的特征，多层感知机和定向校准协调对支持特征和查询特征进行跨阶段特征细化，得到细化支持特征和细化查询特征，两个训练阶段优化不同的损失； 两阶段训练模式的第一阶段利用支持特征和查询特征执行小样本学习，两阶段训练模式的第二阶段利用细化支持特征和细化查询特征执行小样本学习； 测试阶段使用目标域的小样本，依次通过维度统一映射、特征提取模块、多层感知机后提取的特征，训练K近邻分类器进行分类预测。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。