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！

龙图腾网获悉华东师范大学申请的专利基于监督对比学习和多任务设置的小样本图像分类优化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：CN116524242B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310366976.X，技术领域涉及：G06V10/764；该发明授权基于监督对比学习和多任务设置的小样本图像分类优化方法是由王廷;宋益盛设计研发完成，并于2023-04-07向国家知识产权局提交的专利申请。

本基于监督对比学习和多任务设置的小样本图像分类优化方法在说明书摘要公布了：本发明公开了一种基于监督对比学习和多任务设置的小样本图像分类优化方法，该方法具体包括：特征提取器训练、代理任务和小样本分类等阶段，特征提取器训练阶将类别监督信号引入对比学习参与图像表征训练；代理任务阶替换为更加适应小样本学习的背景混淆方法；小样本分类阶段在余弦分类器的基础上加入了多任务设置，缓解了元学习训练带来的参数优化不稳定的弊端。本发明与现有技术相比具有引导特征提取器学习更多语义信息，增强元知识的一般性，提高了小样本学习在一般的图像分类任务的准确度，方法简便，使用效果好，有较高的实用价值与良好的发展前景。

本发明授权基于监督对比学习和多任务设置的小样本图像分类优化方法在权利要求书中公布了：1.一种基于监督对比学习和多任务设置的小样本图像分类优化方法，其特征在于，该方法具体包括下述三个阶段： S1、特征提取器训练阶段 借助标签掩码矩阵M记录每个批次内样本标签的异同，并将标签掩码矩阵M作为类别监督信号引入实例对比学习参与图像表征训练，所述标签掩码矩阵M里的元素均由1和0构成，如果样本i和j具有相同的标签，标签掩码矩阵对应的值为1，反之则为0； S2：代理任务阶段 将标签掩码矩阵M和背景混淆方法，分别应用于实例对比学习及其代理任务； S3、小样本分类阶段 在小样本分类器的基础上增加多任务设置进行小样本分类，所述多任务设置具体包括：预测图像旋转角度、预测图像补丁的相对位置和图像嵌入空间聚类； 所述步骤S3中多任务设置下的小样本分类使用基于余弦相似度和辅助任务，所述基于余弦相似度的参数表示为，损失函数定义为；所述辅助任务的参数表示为，额外的损失为；所述多任务设置在预测图像旋转角度和图像相对位置的任务中，小样本分类任务和辅助任务的数据集数量保持不变，在嵌入空间聚类的辅助任务中，支持集和基类数据集经前景增强模块使样本数量增大两倍，整个多任务设置的损失函数由下述b式表示为： b； 式中，为和两个损失函数的正则化超参数加权系数；为每个原型代表的特征向量； 多任务学习的每一次参数更新均涉及共享的特征提取器F的参数和各自分类头的参数。

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东师范大学，其通讯地址为：200241 上海市闵行区东川路500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。