中国科学院光电技术研究所张建林获国家专利权
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！
龙图腾网获悉中国科学院光电技术研究所申请的专利一种基于关键神经元失活的小样本元训练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：CN120431446B 。
龙图腾网通过国家知识产权局官网在2026-03-24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：202510531836.2，技术领域涉及：G06V10/82；该发明授权一种基于关键神经元失活的小样本元训练方法是由张建林;李想;魏宇星;李美慧;刘东旭设计研发完成，并于2025-04-25向国家知识产权局提交的专利申请。
本一种基于关键神经元失活的小样本元训练方法在说明书摘要公布了：本发明公开了一种基于关键神经元失活的小样本元训练方法。所述方法包括：制作源数据集和目标数据集，并对源数据集采用多种数据增强方式；采用基于度量的小样本方法架构，使用包含神经元失活模块的ResNet‑10作为骨干网络；神经元失活模块在前向传播中遮罩关键神经元的输出；使用小样本学习中的常用度量方式和损失函数；训练中迭代地使不同层的神经元失活模块起作用，提高骨干网络对任务低级和中级语义信息的挖掘；元训练后的骨干网络在应用到具体任务时使用全部的神经元，不再采用任何神经元失活模块。本发明通过神经元失活模块增强骨干网络的特征提取能力，从而有效提高小样本学习方法的跨类别泛化能力。
本发明授权一种基于关键神经元失活的小样本元训练方法在权利要求书中公布了：1.一种基于关键神经元失活的小样本元训练方法，其特征在于，包括如下步骤： 步骤1：收集公开标记数据集作为源数据集训练网络模型； 步骤2：对源数据集中的样本图片进行数据增强并划分为不同的小样本学习任务； 步骤3：基于度量学习构建用于小样本学习任务的包含神经元失活模块的网络模型；所述网络模型使用ResNet-10作为骨干网络，在骨干网络中逐层插入关键神经元失活模块，选择GNN网络作为度量模块，使用交叉熵函数计算网络模型在小样本学习任务上的损失； 步骤4：在每轮元训练中，依据网络模型在小样本学习任务上的损失反传到各神经元上的梯度评估神经元的关键程度并排序，将神经元关键程度大于预设值的神经元进行无特征表示输出，记为关键神经元失活，设置从浅层网络到深层网络所述关键神经元失活循环发生，以使网络模型关于输入的小样本学习任务进行参数更新直至完成训练，得到训练好的网络模型； 步骤5：评估训练获得的小样本学习模型效果。
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科学院光电技术研究所，其通讯地址为：610209 四川省成都市双流350信箱；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