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！

龙图腾网获悉中国科学院自动化研究所;中国长峰机电技术研究设计院申请的专利样本目标检测方法和装置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：CN114943857B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202111501858.2，技术领域涉及：G06V10/764；该发明授权样本目标检测方法和装置是由徐常胜;陈超凡;杨小汕;黄旭辉;董博;王鹏设计研发完成，并于2021-12-09向国家知识产权局提交的专利申请。

本样本目标检测方法和装置在说明书摘要公布了：本发明提供一种样本目标检测方法和装置，其中，方法包括：获取待检测样本；将所述待检测样本输入校准的分类网络，得到对应的目标类别。本发明通过聚合全局和局部上下文知识以增强少样本目标检测任务中的RoI特征的工作，避免过拟合问题，这有助于为前景和背景类别学习更稳健的边界。

本发明授权样本目标检测方法和装置在权利要求书中公布了：1.一种样本目标检测方法，其特征在于，包括： 获取待检测样本图像； 将所述待检测样本输入校准的分类网络，得到对应的目标类别； 所述校准的分类网络是通过下述方法训练得到： 获取基础类别数据和新类别数据； 根据所述基础类别数据对初始分类网络进行训练，得到训练后的分类网络； 根据所述基础类别数据和所述新类别数据对所述训练后的分类网络进行调整，得到所述校准的分类网络； 所述根据所述基础类别数据对初始分类网络进行训练，得到训练后的分类网络，具体包括： 根据所述基础类别数据构建第一支持数据和第一查询数据； 根据所述第一支持数据获取第一类别的原型； 根据所述第一类别的原型构建第一类别拓扑图，根据所述第一类别拓扑图获取第一有表征性的类别特征知识； 根据所述第一有代表性的类别特征知识确定第一前景类别的转换原型、第一代理类别的转换原型和对应的第一元损失； 获取所述第一查询数据的第一区域划分和对应的第一细化损失； 根据所述第一区域划分确定对应的第一初始ROI特征； 根据所述第一初始ROI特征和所述第一有表征的类别特征知识确定第一增强的ROI特征； 根据所述第一增强的ROI特征对所述第一查询数据进行回归和分类，得到对应的第一回归损失和第一分类损失； 根据所述初始分类网络中基本框分类器的可训练参数、所述第一前景类别的转换原型和所述第一代理类别的转换原型确定第一校准损失； 根据所述第一元损失、所述第一细化损失所述第一回归损失、所述第一分类损失和所述第一校准损失确定第一总体损失； 调整初始分类网络的参数，得到最小第一总体损失，将所述最小第一总体损失对应的所述初始分类网络作为训练后的分类网络并固定所述训练后的分类网络中除基本框分类器和回归器外的训练参数； 所述根据所述第一有代表性的类别特征知识确定第一前景类别的转换原型，具体包括： 确定将所述第一有代表性的类别特征知识转化为与所述基本框分类器参数具有相同维度时的所述第一有代表性的类别特征知识转换后的结果，将所述第一有代表性的类别特征知识转换后的结果作为第一前景类别的转换原型; 所述确定将所述第一有代表性的类别特征知识转化为与所述基本框分类器参数具有相同维度时的所述第一有代表性的类别特征知识转换后的结果，表达式如下： ； 其中，，表示第一前景类别的转换原型；，表示由全连接层和ReLU激活组成的变换函数；表示第一有表征性的类别特征知识； 所述根据所述第一有代表性的类别特征知识确定第一代理类别的转换原型，具体包括： 确定将所述第一有代表性的类别特征知识转化为与所述基本框分类器参数具有相同维度时所依据的第一转换函数； 对所述第一有代表性的类别特征知识进行挤压得到第一代理类别的代表性特征； 根据所述第一转换函数和所述第一代理类别的代表性特征确定第一代理类别的转换原型。

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中国科学院自动化研究所;中国长峰机电技术研究设计院，其通讯地址为：100190 北京市海淀区中关村东路95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。