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！

龙图腾网获悉中国民用航空飞行学院申请的专利一种用于少样本目标检测的神经网络训练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：CN121119059B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511660695.0，技术领域涉及：G06N3/0985；该发明授权一种用于少样本目标检测的神经网络训练方法及系统是由王楠楠;王立涛;杨豫封;熊良建;杨明;杨有才;王睿阳设计研发完成，并于2025-11-13向国家知识产权局提交的专利申请。

本一种用于少样本目标检测的神经网络训练方法及系统在说明书摘要公布了：本发明公开了一种用于少样本目标检测的神经网络训练方法及系统，属于机器学习技术领域。所述方法包括：获取跨场景样本数据集；构建基于深度元学习的特征提取网络，利用元学习器在跨场景样本数据集上对特征提取网络进行训练，通过从数据集中采样构建多个学习任务，并基于内外循环优化策略更新网络参数，生成目标检测网络的初始权重参数；使用初始权重参数初始化采用深度可分离卷积结构的目标检测网络。本发明通过元学习框架提取跨场景特征，解决了目标检测中因标注数据稀缺导致的模型泛化能力差的问题，能够快速适配新场景下的少样本学习任务，所述方法可应用于机场鸟类检测、安防监控等领域。

本发明授权一种用于少样本目标检测的神经网络训练方法及系统在权利要求书中公布了：1.一种用于少样本目标检测的神经网络训练方法，其特征在于，所述方法包括： 获取跨场景样本数据集，所述跨场景样本数据集包括多种不同光照条件与不同天气状况下的样本图像，用于模拟目标机场的环境条件； 构建基于深度元学习的特征提取网络，利用元学习器在所述跨场景样本数据集上对所述特征提取网络进行训练，生成目标检测网络的初始权重参数，其中，所述训练的过程包括：从所述跨场景样本数据集中依据环境属性分类动态抽取样本子集，基于每个所述样本子集构建一个模拟特定机场环境条件的元学习任务，其中每个元学习任务包括支持集和查询集，并在支持集样本上执行内部循环优化过程、在查询集样本上执行外部循环优化过程，通过梯度下降算法更新网络参数，具体包括：将所述跨场景样本数据集依据环境属性划分为6个元学习任务，分别对应晴天白天、阴天白天、雨天、雾天、晴天夜间、阴天夜间六类机场场景，对于每个所述元学习任务，在所述元学习任务的支持集样本上执行内部循环优化过程，通过梯度下降算法计算所述特征提取网络的参数梯度并更新所述特征提取网络的网络参数，其中，所述特征提取网络的主干网络采用EfficientNet‑B0结构，所述内部循环优化过程采用SGD优化器，学习率设置为0.001，迭代步数为5；在所有所述元学习任务的查询集样本上执行外部循环优化过程，通过梯度下降算法计算所述元学习器的参数梯度并更新所述元学习器的网络参数，其中，所述外部循环优化过程采用Adam优化器，学习率为0.0001，权重衰减系数为0.0001；重复迭代执行所述内部循环优化过程和所述外部循环优化过程，当所述元学习器的损失函数值小于设定损失阈值时停止迭代，输出目标检测网络的初始权重参数； 使用所述初始权重参数初始化所述目标检测网络，所述目标检测网络采用深度可分离卷积结构，所述深度可分离卷积结构包括对输入特征图执行深度卷积操作和逐点卷积操作，其中，将所述初始权重参数加载至预设的卷积神经网络骨架，生成深度可分离卷积网络结构，所述卷积神经网络骨架采用改进的YOLOv5轻量级网络架构，包含输入层、特征提取层、特征融合层和检测层，其中所述卷积神经网络骨架包含多个由深度可分离卷积算子构建的卷积层； 将所述目标机场的监控数据输入经初始化后的所述目标检测网络中进行前向推理计算，输出包含目标对象位置信息及类别标签的推理结果。

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中国民用航空飞行学院，其通讯地址为：618300 四川省德阳市广汉市三水镇高店村；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。