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！

龙图腾网获悉武汉大学申请的专利一种小样本场景下基于双流原型的遮挡人脸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：CN115761848B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202211392035.5，技术领域涉及：G06V40/16；该发明授权一种小样本场景下基于双流原型的遮挡人脸识别方法是由杨星煜;韩梦雅;罗勇设计研发完成，并于2022-11-08向国家知识产权局提交的专利申请。

本一种小样本场景下基于双流原型的遮挡人脸识别方法在说明书摘要公布了：为了解决小样本场景下人脸图片中存在遮挡识别的问题。本发明公开了一种小样本场景下针对带遮挡图片的双流原型学习方法。不同于单独从支持集或查询集角度考虑优化的类原型学习的方法，本发明的框架将两者结合起来，它可以为支持集中的样本图片学习相应的自适应样本权重。这样既考虑了支持集内由于遮挡带来的图片质量参差不齐，可以在以支持集为中心的流中减小遮挡样本的权重；又在原型构造时利用特征对齐模块，从而考虑了那些更与查询集图片相关的middle‑level的特征表征，并且与high‑level的特征表征相似度的一致性约束使得在以查询集为中心流学习到的原型更加可靠。本发明提高了对新的受试者的遮挡人脸识别的准确性，能够对实际应用提供帮助。

本发明授权一种小样本场景下基于双流原型的遮挡人脸识别方法在权利要求书中公布了：1.一种小样本场景下基于双流原型的遮挡人脸识别方法，其特征在于：将小样本的遮挡下的人脸识别问题建模为小样本学习领域中的图片分类任务，并在小样本条件下提出通用的双流框架学习优化的类别原型，同时考虑了支持集图片间的相关性和它们与查询样本的关系，能够泛化到仅含少量标注的新的身份的人脸图片上，且图片中存在不同程度的遮挡；具体包含以下步骤： 步骤S1，利用数据集预训练一个可迁移的相似度关系网络，数据集由互不重叠的基类Cbase和新类Cnovel组成， 步骤S2，构造一个N-wayK-shot的小样本学习任务： 在小样本学习的设置下，一个采样的N-wayK-shot训练或测试任务被定义{SN,QN}，其中SN为支持集，QN为查询集；从基类或新类中随机采样N个类别CN，然后再从N类中每类采样K个样本组成支持集，Q个样本组成查询集； 步骤S3，利用特征嵌入网络提取图像特征，得到的特征将用于网络后续的原型学习； 步骤S4，基于预训练的相似度关系网络计算支持集内图片的相似度； 步骤S5，基于可迁移的相似度关系网络实现以支持集为中心的类别原型学习； 步骤S6，设计特征对齐模块，计算查询集与支持集间的特征对齐分数作为相关性； 步骤S7，引入KL散度的一致性损失； 步骤S8，基于特征对齐模块实现以查询集为中心的类别原型学习； 步骤S9，训练阶段预测一个小样本学习任务中查询样本的标签； 步骤S10，预测阶段对新类数据的小样本任务中的查询样本进行预测。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山武汉大学；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。