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！

龙图腾网获悉西北工业大学申请的专利基于全局-局部能量协同表征的小样本开集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：CN116563603B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310355461.X，技术领域涉及：G06V10/764；该发明授权基于全局-局部能量协同表征的小样本开集识别方法是由张磊;魏巍;张艳宁;王昊宇设计研发完成，并于2023-04-05向国家知识产权局提交的专利申请。

本基于全局-局部能量协同表征的小样本开集识别方法在说明书摘要公布了：本发明公开了一种全局‑局部能量协同表征的小样本开集识别方法，包括两个分类模块：一个用于闭集分类，一个用于开集识别。除了利用类别特征对闭集样本进行分类外，同时利用类别特征和像素特征学习一个新的基于能量的开集分类器，通过类别特征学习全局能量评分，像素特征学习局部能量评分，强制对类别特征或像素特征中偏离已知类别的样本分配较大的能量分数，否则分配较小的能量分数。本发明通过融合全局和局部信息，提高了模型的小样本开集识别能力。

本发明授权基于全局-局部能量协同表征的小样本开集识别方法在权利要求书中公布了：1.一种全局-局部能量协同表征的小样本开集识别方法，其特征在于，包括如下步骤： 步骤1：对于一个小样本开集识别的任务其包含N类，每类K个样本作为支持集合 查询集合包含两个部分其中为已知查询集合，其包含N类每类Q个样本，且类别与支持集合相同；为未知查询集合，其包含N个来自未知类别集合的类别，每类Q个样本，且 每个样本包括一张自然图像以及其对应的类别标签y，其中，h和w分别表示图像的高度和宽度； 首先将图像输入到特征提取器中提取特征，其中θ为特征提取器的参数，分别得到支持集合图片和查询集合图片的特征嵌入以及特征图其中，特征的通道维度为dim； 步骤2：对于全局分支，首先计算N个支持集合类别的每个类别样本的均值得到类别原型p；具体为：对于类别n，其类别原型pn通过该类的全部支持特征嵌入计算得到： 然后使用一个自注意力模块对类别原型进行增强，对于由全部类别原型组成的矩阵增强的类别原型矩阵P*通过以下方式计算得到： Pq＝WqP,Pk＝WkP,Pv＝WvP6 其中，为系数矩阵用于对类别原型矩阵进行线性映射，是Pk的通道维度； 最后，通过计算查询集合的特征嵌入和增强的类别原型之间的距离得到全局的相似度 其中，是和类别n的原型之间的相似度，distance·,·是一个距离函数，使用欧氏距离进行度量； 对于闭集分类，只有全局相似度sc通过使用softmax函数用来对已知查询集合样本进行分类： 使用交叉熵损失对闭集分类进行优化： 其中，是一个示性函数，当condition的条件符合时结果为1，否则为0；py＝n|xi是样本图片xm的标签为类别n的概率； 步骤3：对于局部分支，首先对支持集合特征图计算类别均值；对于类别n，其类别特征图fn定义为： 使用尺度校准模块对局部分支的特征图进行校准，具体来说，首先使用逐点卷积将特征的通道维度减半，然后对其进行批归一化并使用PReLU激活函数进行激活； f*＝PReLUBNConvf12 最后，对于类别特征图和查询集合特征图的每一个像素，使用余弦相似度计算像素维度的相似度；对于每个查询集合特征图的像素，选取前k个最接近的类别特征图的相似度求和构建鲁棒的用于开集识别的细粒度度量； 其中和分别为类别n的特征图和查询集合样本r的校准后的特征图；m是特征图的空间维度；||.||被应用到特征图的第四个维度；∑pixel·用于在计算完topk后对剩余的像素求和；T是温度系数； 步骤4：对于查询集合图像其全局相似度由步骤2计算得到，局部相似度由步骤3计算得到；首先通过能量函数分别计算两个相似度的能量： 对两个能量相加得到图像的能量： E＝Ec+Ef16 通过能量的大小即能进行开集识别，结合步骤2进行的闭集分类即能完成小样本开集识别； 对于模型的训练，使用基于边界的能量损失对模型进行优化，具体来说，对于一个查询样本图像其能量损失为： 其中，Mk和Mu分别为闭集和开集样本的边界。

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北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。