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！

龙图腾网获悉南京大数据集团有限公司申请的专利一种基于分布优化的小样本图片分类方法及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：CN121053471B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511588860.6，技术领域涉及：G06V10/764；该发明授权一种基于分布优化的小样本图片分类方法及系统是由陈伟;李彦辰;赵新华;蒋艳婷设计研发完成，并于2025-11-03向国家知识产权局提交的专利申请。

本一种基于分布优化的小样本图片分类方法及系统在说明书摘要公布了：本发明公开了一种基于分布优化的小样本图片分类方法及系统，所述方法包括：使用基于任务的episode训练策略，对每个episode执行一个小样本图片分类任务，利用神经网络作为预热网络计算类别相关原型，构建预热损失函数对预热网络进行训练直至收敛；将训练好的预热网络的参数作为分布优化网络参数的初始值，选取位于类别决策边界附近的样本，为虚拟异常样本的生成提供基准点，然后基于边界样本采用多元高斯分布采样生成虚拟异常样本，计算虚拟异常样本的不确定得分构建分布优化损失函数，对所述分布优化网络进行训练直至收敛；利用训练好的分布优化网络对待测样本图片进行分类。本发明能提高小样本情况下模型分类判别能力和鲁棒性。

本发明授权一种基于分布优化的小样本图片分类方法及系统在权利要求书中公布了：1.一种基于分布优化的小样本图片分类方法，其特征在于，通过分布优化网络与虚拟生成样本进行图片分类，包括以下步骤： 1使用基于任务的episode训练策略，对每个episode执行一个小样本图片分类任务，利用神经网络作为预热网络计算类别相关原型，构建预热损失函数对预热网络进行训练直至收敛； 步骤1中构建预热损失函数包括： a构建交叉熵损失： 其中，为小样本分类任务中第个子任务的查询集，为包含的图片数量，为查询集中样本q的特征向量，为对应样本的标签，为类别权重，为归一化分类函数； b构建分布半径损失： 其中，表示类别的分布半径损失；表示类别的分布半径；表示权衡超参数；表示分位数函数，表示具体的分位数，表示类别c的类别原型；为小样本分类任务中第个子任务的支持集中类别为c的数据集，C表示类别数量，为样本t的特征向量，为对应样本的标签；表示类别的原型和它的负样本的欧式距离； c构建多元关系损失： 其中，表示类别的正样本的多元关系损失函数，表示类别的负样本的多元关系损失函数，和表示可调节的超参数；表示类别的分布半径； 则预热损失函数L为：L=++； 2将训练好的预热网络的参数作为分布优化网络参数的初始值，选取位于类别决策边界附近的样本，为虚拟异常样本的生成提供基准点，然后基于边界样本采用多元高斯分布采样生成虚拟异常样本，计算虚拟异常样本的不确定得分构建分布优化损失函数，对所述分布优化网络进行训练直至收敛； 步骤2中分布优化损失函数LD为： 其中表示均值函数，表示第类的采样虚拟异常样本的集合；表示非线性多层感知机，表示样本的不确定得分，表示小样本分类任务中支持集Si中类别为c的数据集，x表示从集合抽取出来的样本，C表示类别数量； 对于虚拟异常样本，通过线性变换得到其特征值： 其中，表示分布优化网络中倒数第二层的网络参数； 基于虚拟异常样本的特征值，计算其不确定得分为： 其中，表示分布优化网络最后一层输出特征值中与类别c对应的元素； 3利用训练好的分布优化网络对待测样本图片进行特征提取，计算待测样本与每个类别的原型之间的相似度，得到相似度最高的类别作为该待测样本图片分类结果。

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南京大数据集团有限公司，其通讯地址为：211135 江苏省南京市江宁区麒麟科技创新园智汇路300号A座；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。