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！

龙图腾网获悉西安邮电大学申请的专利基于坐标注意力和BDC度量的小样本图像分类方法、系统、装置及介质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：CN117095222B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202311076911.8，技术领域涉及：G06V10/764；该发明授权基于坐标注意力和BDC度量的小样本图像分类方法、系统、装置及介质是由刘颖;张恒畅;薛家昊;杨剑宁;张伟东设计研发完成，并于2023-08-24向国家知识产权局提交的专利申请。

本基于坐标注意力和BDC度量的小样本图像分类方法、系统、装置及介质在说明书摘要公布了：本发明公开了一种基于坐标注意力和BDC度量的小样本图像分类方法、系统、装置及介质，包括：采集图像并对所采集的图像进行划分，得到训练集、验证集和测试集；构建深度模型框架；基于训练集对深度模型进行训练，当训练次数达到最大训练次数阈值，深度模型在验证集上的性能达到预设的要求或不再显著提升时，停止训练，获取最优化的深度模型；基于最优化的深度模型和元学习N‑wayK‑shot的方式对测试集进行分类预测，评估分类准确率。本发明通过引入空间信息和位置信息的坐标注意力，同时结合利用图像边缘分布和联合分布之间差异的BDC度量方式能帮助模型更好地完成小样本图像分类任务，可以有效提高分类精度。

本发明授权基于坐标注意力和BDC度量的小样本图像分类方法、系统、装置及介质在权利要求书中公布了：1.基于坐标注意力和BDC度量的小样本图像分类方法，其特征在于，包括： 采集图像并对所采集的图像进行划分，得到训练集、验证集和测试集； 构建深度模型框架； 基于训练集对深度模型进行训练，当训练次数达到最大训练次数阈值，深度模型在验证集上的性能达到预设的要求或不再显著提升时，停止训练，获取最优化的深度模型； 基于最优化的深度模型和元学习N‑way K‑shot的方式对测试集进行分类预测，评估分类准确率； 所述采集图像并对所采集的图像进行划分，包括：获取公共的小样本数据集miniImageNet和Omniglot和小样本细粒度数据集CUB‑200，以及应用于公安领域的轮胎花纹数据集CIIP‑TPID；分别对miniImageNet数据集、Omniglot数据集、CUB‑200数据集和CIIP‑TPID数据集进行训练集、测试集和验证集划分；所述深度模型框架包括：嵌入模块、坐标注意力模块、BDC度量模块和Softmax层； 所述嵌入模块对输入的训练集进行特征提取；所述坐标注意力模块分别沿其水平和垂直方向进行全局平均池化，将输入特征图分解为水平和垂直方向的一维特征，得到输入特征图的水平和垂直位置信息；将输入特征图的水平和垂直位置信息连接在一起，通过1×1卷积进行变换操作得到对应的注意力特征映射，经过非线性操作后，按照空间维度将输出结果分解为水平方向的特征映射和垂直方向的特征映射；水平方向的特征映射和垂直方向的特征映射分别通过1×1卷积并进行和变换操作，利用Sigmoid激活函数获得注意力的权重，最后将水平和垂直方向的注意力权重与输入的特征图数据相乘得到最终的输出特征； 所述BDC度量模块中引入深度布朗距离协方差方法，首先计算支持集的BDC矩阵，并对得到的BDC矩阵进行平均操作获得每个类别的原型表示，然后计算查询集的BDC矩阵并将其与类别原型分别进行内积，得到查询图像与每个类别之间的相似性，从而预测图像所属类别；所述Softmax层输出BDC度量模块分类的结果；所述将输入特征图分解为水平和垂直方向的一维特征，具体为： 其中，表示特征向量的高度，表示第个通道，为当前模块输入特征图的宽度，是分解的特征向量，表示特征向量的宽度，为当前模块输入特征图的高度； 所述将输入特征图的水平和垂直位置信息连接在一起，通过1×1卷积进行变换操作得到对应的注意力特征映射，具体为： 其中，是编码后的中间特征映射，是非线性激活函数，为拼接操作，是控制模块大小的超参数； 所述水平方向的特征映射和垂直方向的特征映射分别通过1×1卷积并进行和变换操作，利用Sigmoid激活函数获得注意力的权重，具体为： 其中，表示Sigmoid激活函数； 所述将水平和垂直方向的注意力权重与输入的特征图数据相乘得到最终的输出特征，具体为：

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西安邮电大学，其通讯地址为：710121 陕西省西安市西长安街618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。