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！

龙图腾网获悉大连理工大学申请的专利一种基于深度神经网络的小样本红外图像分类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：CN115205664B 。

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：202210936433.2，技术领域涉及：G06V20/00；该发明授权一种基于深度神经网络的小样本红外图像分类方法是由叶昕辰;刘可;李豪杰;王智慧;孙铮设计研发完成，并于2022-08-05向国家知识产权局提交的专利申请。

本一种基于深度神经网络的小样本红外图像分类方法在说明书摘要公布了：本发明公开了一种基于深度神经网络的小样本红外图像分类方法，属于计算机视觉和图像分类领域。该方法能使在可见光数据上源域上事先训练的深层网络模型，迁移应用到红外图像上目标域上识别上。在目标域图片数量很少的前提下，利用图像的视觉特征和其属性特征相结合，并运用对比学习的方法，对深层网络模型中的特征提取器部分进行微调，使目标域上的红外图像识别保持较高的性能。此方法不仅能节省开发的人力和时间成本，而且易于实现并具有较高的实用性。

本发明授权一种基于深度神经网络的小样本红外图像分类方法在权利要求书中公布了：1.一种基于深度神经网络的小样本红外图像分类方法，其特征在于，包括下列步骤： 1训练和测试数据准备：需要三组数据，分别是①可见光图像数据集，作为源域数据；②用于小样本任务的红外图像，作为目标域数据；③非目标域的图像数据集，作为对比学习微调时负样本数据的补充；每一轮的训练和测试都需对②中的图像进行划分，从每一个类别中随机挑选n张作为小样本的训练数据，其余图片用于测试结果，①和③中的数据集都在训练阶段使用；三组数据中仅有②中的训练数据需要同时标注类别标签和属性标签，其余数据集都只需标注类别标签； 2源域上识别网络的构建和监督训练：使用残差网络构建深层网络模型，其结构包括特征提取器和分类器两部分；特征提取器提取输入的可见光图像特征表示，分类器使用特征表示生成识别结果；使用源域中的带标签可见光图像，采用监督方式训练该深层网络； 3目标域上的特征提取模型微调：针对步骤2中获得的源域深层网络模型特征提取器，使用目标域的有标签训练数据以及非目标域的无标签数据进行微调；目标域的有标签训练数据用视觉特征结合属性特征作为最终特征，非目标域的无标签数据仅用视觉特征作为最终特征，利用基于对比学习机制的损失函数进行域适应，对源域的深层网络模型中的特征提取器进行微调，最终使特征提取器能从源域迁移到目标域。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路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”。