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！

龙图腾网获悉湖南大学申请的专利一种相似度矩阵引导的少样本语义分割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：CN116468895B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202310636592.5，技术领域涉及：G06V10/26；该发明授权一种相似度矩阵引导的少样本语义分割方法及系统是由余洪山;马小菊;杨振耕;陈同嘉;谢同同;谢理根设计研发完成，并于2023-05-31向国家知识产权局提交的专利申请。

本一种相似度矩阵引导的少样本语义分割方法及系统在说明书摘要公布了：本发明公开了一种相似度矩阵引导的少样本语义分割方法及系统，该方法首先通过深度学习分别提取支持图像与查询图像特征；接着利用支持图像及其真值标签对计算查询图像和目标类别的相似度矩阵；然后通过掩码平均池化获取目标类别的特征表征作为该目标类原型；将获取的多种特征经过通道注意力处理，输入空洞空间金字塔池化网络，再经过卷积分类输出最终的精细化分割结果；最后通过训练数据对原型特征生成网络以及多特征融合的精细化语义分割模块网络进行优化，利用训练好的模型对新类别的查询图像进行像素级分割。本发明的少样本语义分割方法具有应用简单、通用性强等突出优点。

本发明授权一种相似度矩阵引导的少样本语义分割方法及系统在权利要求书中公布了：1.一种相似度矩阵引导的少样本语义分割方法，其特征在于，包含以下步骤： 步骤1：获取训练、测试的样本数据； 所述训练、测试的样本数据包括目标类别确定的查询图像、支持图像以及对应图像的目标类别语义分割二值化真值掩码； 步骤2：利用经大规模数据集训练好的语义特征矩阵提取网络分别提取支持图像和查询图像的特征矩阵； 步骤3：利用查询图像的特征矩阵、支持图像的特征矩阵和二值化真值掩码，获取查询图像和目标类别的相似度矩阵； 步骤4：构建相似度矩阵引导的少样本语义分割模型； 所述相似度矩阵引导的少样本语义分割模型包括相连的原型特征生成网络和多特征融合的精细化语义分割模块；所述原型特征生成网络计算目标类别的原型特征；所述多特征融合的精细化语义分割模块输出精细化的二值化语义分割结果； 步骤5：训练相似度矩阵引导的少样本语义分割模型； 将训练样本数据中查询图像、支持图像及对应的目标类别语义分割真值掩码得到的特征矩阵和相似度矩阵，输入相似度矩阵引导的少样本语义分割模型，输出查询图像的二值化语义分割结果，利用语义分割损失计算模型参数梯度并更新模型参数，遍历训练样本数据集中的图像，迭代至指定次数，完成训练； 步骤6：对测试样本数据中新的目标类别的查询图像、支持图像及支持图像的目标类别语义分割二值化真值掩码，执行步骤2-3后，将得到的输出数据输入训练好的相似度矩阵引导的少样本语义分割模型，对待分割的新的目标类别的查询图像进行语义分割。

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湖南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路2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”。