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！

龙图腾网获悉苏州大学申请的专利一种小样本目标检测方法和系统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：CN119478339B 。

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：202411347821.2，技术领域涉及：G06V10/25；该发明授权一种小样本目标检测方法和系统是由孙楚迪;梁合兰;许亚丽;王凯;国宏伟;闫炳基设计研发完成，并于2024-09-26向国家知识产权局提交的专利申请。

本一种小样本目标检测方法和系统在说明书摘要公布了：本发明涉及一种小样本目标检测方法和系统，其中，方法包括：获取具有多个类别的小样本图像；将获取的小样本图像输入改进的Faster‑Rcnn模型，所述改进的Faster‑Rcnn模型由Faster‑Rcnn模型改进得到，改进方法包括：通过层次化采样方法增强Faster‑Rcnn模型对不同尺度目标的感知能力；通过三元类别划分和对比学习增强Faster‑Rcnn模型对于小样本图像中新类别的识别能力；通过单纯型等角框架增强Faster‑Rcnn模型的分类器对于小样本图像中不同类别之间的判别能力；通过所述改进的Faster‑Rcnn模型实现对图像中不同类别的目标进行检测。本发明改进的模型检测能力较强。

本发明授权一种小样本目标检测方法和系统在权利要求书中公布了：1.一种小样本目标检测方法，其特征在于：包括： 步骤S1：获取具有多个类别的小样本图像； 步骤S2：将获取的小样本图像输入改进的Faster-Rcnn模型，其中， 所述改进的Faster-Rcnn模型由Faster-Rcnn模型改进得到，改进方法包括： 通过层次化采样方法增强Faster-Rcnn模型对不同尺度目标的感知能力，方法包括： 对于Faster-Rcnn模型提取到的特征图，采用自适应的采样方法，根据特征的重要性和分布，动态调整采样点的数量和位置，公式为： 其中，f是一个根据特征重要性动态调整采样点的函数，Ifeature是原始的特征图，ε是缩放因子，用于控制采样点的总数；是控制梯度影响的系数，用于调整梯度对采样密度的影响；gradIfeature是特征图Ifeature的梯度，用于表示特征图中特征的变化率； 对函数f的结果进行归一化处理，确保采样点总数不超过预设的最大值Nmax，归一化公式为： 其中，round函数用于四舍五入到最近的整数，maxfIfeature表示f在整个特征图Ifeature上的最大值，用于归一化f的输出，确保采样点不超过预设的最大值Nmax； 在Faster-Rcnn模型中引入层次化采样方法：对于低于预设尺寸的目标，模型会在超过预设分辨率的特征图上进行密集采样，以捕捉细节信息；对于高于预设尺寸的目标，模型则会在低于预设分辨率的特征图上进行稀疏采样，以获取整体结构信息，所述层次化采样方法通过分辨率调整函数R来描述，公式为： 其中，Ssize表示特征图中目标的尺寸，c和d是第一和第二调整参数，c控制基数，d用于控制指数增长的速度，e是自然对数的底数； 在Faster-Rcnn模型中引入多尺度融合机制，将不同分辨率的特征图进行融合，以生成综合特征表示： Icombined＝FfusionIlow-res,Ihigh-res＝UpsampleIhigh-res+ConvIlow-res 其中，Ffusion是融合函数，Upsample代表上采样，Conv代表一次卷积操作，Ilow-res和Ihigh-res分别代表低于预设分辨率和高于预设分辨率的特征图，Icombined是融合后的综合特征表示； 通过三元类别划分和对比学习增强Faster-Rcnn模型对于小样本图像中新类别的识别能力； 通过单纯型等角框架增强Faster-Rcnn模型的分类器对于小样本图像中不同类别之间的判别能力； 步骤S3：通过所述改进的Faster-Rcnn模型实现对图像中不同类别的目标进行检测。

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苏州大学，其通讯地址为：215000 江苏省苏州市吴江区久泳西路1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。