南京理工大学徐书林获国家专利权
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！
龙图腾网获悉南京理工大学申请的专利基于部件级滤波器族的少样本细粒度图像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：CN115170823B 。
龙图腾网通过国家知识产权局官网在2026-02-24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：202210764140.0，技术领域涉及：G06V10/44；该发明授权基于部件级滤波器族的少样本细粒度图像识别方法是由徐书林;魏秀参设计研发完成，并于2022-06-30向国家知识产权局提交的专利申请。
本基于部件级滤波器族的少样本细粒度图像识别方法在说明书摘要公布了：本发明公开了一种基于部件级滤波器族的少样本细粒度图像识别方法，包括：基于卷积神经网络提取样本的特征图，基于全局最大池化和全局平均池化生成全局汇合特征；将全局汇合特征传入元生成器得到部件级滤波器族，并在滤波器族中添加优化目标；将部件级滤波器族与全局汇合特征进行分素乘积得到不同的部件级增强特征并将其拼接得到最终的嵌入特征，基于原型表示和最近邻方法进行类别预测和模型训练。本发明通过部件级滤波器族生成器，生成对应于细粒度图像关键部位的部件级滤波器族，并通过让滤波器之间尽可能正交的优化目标使生成的滤波器族能够对应于不同的关键部位，通过与全局汇合特征进行分素乘积获得有利于细粒度图像识别的部件级增强表示。
本发明授权基于部件级滤波器族的少样本细粒度图像识别方法在权利要求书中公布了：1.一种基于部件级滤波器族的少样本细粒度图像识别方法，其特征在于，包括以下步骤： 步骤1，基于卷积神经网络提取样本的特征图，基于全局最大池化和全局平均池化生成全局汇合特征； 步骤2，将全局汇合特征传入元生成器得到部件级滤波器族，并在滤波器族中添加优化目标以去除部件级滤波器之间的冗余信息；具体为： 将步骤1得到的全局汇合特征传入部件级滤波器族生成器，得到滤波器族 其中Φ·是滤波器族生成器，n为生成的滤波器的数量，aij∈R2C，为全局汇合特征；对这些滤波器之间增加优化目标去除冗余信息： 其中I为单位矩阵，为F范数的平方，ai∈R2C×n为滤波器族构成的矩阵； 模型的最终损失为： 其中λ为部件级滤波器族生成模块优化目标的权重超参数，为模型的分类损失； 步骤3，将部件级滤波器族与全局汇合特征进行分素乘积得到不同的部件级增强特征并将其拼接得到最终的嵌入特征，基于原型表示和最近邻方法进行类别预测和模型训练。
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理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励