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！

龙图腾网获悉华南理工大学申请的专利基于类间生成数据扩增的掌静脉特征提取网络训练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：CN118397668B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202410435201.8，技术领域涉及：G06V40/14；该发明授权基于类间生成数据扩增的掌静脉特征提取网络训练方法是由康文雄;黄济懿;黄俊钦设计研发完成，并于2024-04-11向国家知识产权局提交的专利申请。

本基于类间生成数据扩增的掌静脉特征提取网络训练方法在说明书摘要公布了：本发明提供一种基于类间生成数据扩增的掌静脉特征提取网络训练方法：S1、采用真实掌静脉数据集训练得到掌静脉图像生成模型，采用真实掌静脉数据集训练得到预训练掌静脉征提取模型；S2、得到具有若干个全新类别样本的生成掌静脉数据集，并且保存该类别不同的掌静脉数据集样本对应输入给掌静脉图像生成模型的风格隐向量；S3、对真实掌静脉数据集和生成掌静脉数据集进行类内数据扩增变换和数据预处理，分别得到真实数据和生成数据；采用领域自适应方法，用真实数据和生成数据对掌静脉特征提取模型进行训练，得到训练完成的掌静脉特征提取模型。本发明方法可解决掌静脉识别类间样本数据量不足的问题，实现提高掌静脉特征提取网络模型的泛化性能。

本发明授权基于类间生成数据扩增的掌静脉特征提取网络训练方法在权利要求书中公布了：1.一种基于类间生成数据扩增的掌静脉特征提取网络训练方法，其特征在于：包括以下步骤： S1、采用真实掌静脉数据集训练得到掌静脉图像生成模型，同时采用真实掌静脉数据集训练得到预训练掌静脉特征提取模型； S2、采用预训练掌静脉特征提取模型对真实掌静脉数据集中的所有样本进行特征提取，得到真实特征集； 使用在S1中训练完成的掌静脉图像生成模型生成掌静脉图像，得到掌静脉数据集；将掌静脉数据集通过预训练掌静脉特征提取模型进行特征提取，得到特征集； 获取若干个与真实掌静脉数据集类别不同的掌静脉数据集样本，同时将类别不同的掌静脉数据集样本的特征加入到特征集中，得到具有若干个全新类别样本的生成掌静脉数据集，并且保存该类别不同的掌静脉数据集样本对应输入给掌静脉图像生成模型的风格隐向量； S3、建立掌静脉特征提取模型，同时对真实掌静脉数据集和在S2中得到的生成掌静脉数据集进行类内数据扩增变换和数据预处理，分别得到真实数据和生成数据； 采用领域自适应方法，同时用真实数据和生成数据对掌静脉特征提取模型进行训练，其中，掌静脉特征提取模型的损失函数包括分别在真实数据和生成数据上的分类损失以及领域自适应损失，最后得到训练完成的掌静脉特征提取模型； 步骤S3中，采用领域自适应方法，同时用真实数据和生成数据对掌静脉特征提取模型进行训练过程中，均设置完成迭代次数、批量大小和学习率，每一次迭代过程为： S31、对真实掌静脉数据集经过一系列类内数据扩增变换和数据预处理，得到真实数据； S32、对初始风格隐向量w添加随机微弱噪声实现类内数据扩增，将加噪后的风格隐向量代替初始风格隐向量w，作为掌静脉图像生成模型的输入； 对生成掌静脉数据集经过一系列类内数据扩增变换和数据预处理，得到生成数据； S33、将真实数据和生成数据分别通过掌静脉特征提取模型得到真实数据特征和生成数据特征，计算二者之间的领域自适应损失； S34、将真实数据特征和生成数据特征分别通过分类器计算真实数据分类损失和生成数据分类损失； S35、通过领域自适应损失、真实数据分类损失和生成数据分类损失进行反向传播，更新梯度，得到训练完成的掌静脉特征提取模型； 对初始风格隐向量w添加随机微弱噪声的方式为：获取分布范围为‑1,1且与初始风格隐向量w维度相同的噪声，然后将噪声乘以一个缩放因子，添加到初始风格隐向量w上。

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南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。