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！

龙图腾网获悉北京理工大学申请的专利一种基于多超球体空间划分的单类别图像识别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：CN116310593B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310455204.3，技术领域涉及：G06V10/764；该发明授权一种基于多超球体空间划分的单类别图像识别方法是由刘峡壁;任禹臣设计研发完成，并于2023-04-25向国家知识产权局提交的专利申请。

本一种基于多超球体空间划分的单类别图像识别方法在说明书摘要公布了：本发明涉及一种基于多超球体空间划分的单类别图像识别方法，属于图像识别与机器学习技术领域。首先将样本通过特征提取网络映射至一个潜在空间，再根据训练样本与测试样本在空间中的相似度，并对测试图像样本进行分类识别。通过引入阈值半径的方式来判断测试样本距离其最近邻训练样本是否足够接近。目标类别在特征空间中的表示为多个超球体区域所叠加形成的空间，以阈值作为每个超球体的半径，若一个测试样本的特征在该多超球体所形成的空间范围内，则将其预测为正样本；否则将其预测为负样本。本方法对于测试图像样本的预测准确率明显提升，对于测试图像样本中的正样本与负样本的预测更加平衡。

本发明授权一种基于多超球体空间划分的单类别图像识别方法在权利要求书中公布了：1.一种基于多超球体空间划分的单类别图像识别方法，其特征在于，包括以下步骤： 步骤1：将所有图像数据的格式进行统一，使长、宽和通道数量保持一致； 步骤2：初始化特征提取网络的参数θ与半径r； 步骤3：在元训练集中，随机组成一个单类别图像识别任务；每个单类别图像识别任务包含训练集Dtrain与测试集Dtest，其中训练集的数据均来自一个类别； 步骤4：将训练样本与测试样本输入特征提取网络，得到特征； 特征提取网络fθ表示为：fθ：Rn→Rm，θ为网络的参数，Rn表示数据的输入为一个维度为n的向量，Rm表示网络的输出为一个维度为m的向量； 对于一个样本x，将经过特征提取网络计算后得到的特征记为fθi； 步骤5：计算测试样本与各个训练样本分别计算相似性距离； 分别计算测试样本xq与各个训练样本的相似性距离dfθx，fθxq，其中，xq表示测试样本，x表示训练集Dtrain中的一个样本，x∈Dtrain； 步骤6：选择测试样本距离其最近邻训练样本的相似性距离，即最小的相似性距离dq： 其中，Dtrain表示训练集； 步骤7：计算损失； 损失函数L如下： Lxq＝max0，Y×r-dq3 其中，r为半径，Lxq为最终的损失；Y＝-1表示xq为正样本，Y＝1表示xq为负样本； 步骤8：根据损失Lxq对特征提取网络的参数θ与半径r进行优化； 步骤9：重复步骤3至步骤8，直至训练结束； 步骤10：初始化目标单类别图像识别任务； 步骤11：将训练样本与测试样本输入特征提取网络，得到特征； 步骤12：计算测试样本与各个训练样本分别计算相似性距离dfθx，fθxq； 步骤13：选择相似性距离中最小的距离dq； 步骤14：将最小距离dq与半径r进行对比；若该距离小于等于半径，则将测试数据划分为正样本；若该距离大于半径，则将测试数据划分为负样本； 步骤15：输出测试图像样本的预测标签完成对图像的识别。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。