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！

龙图腾网获悉电子科技大学申请的专利基于类别注册机制和区域对比学习的连续少样本目标检测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：CN117292112B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202311231642.8，技术领域涉及：G06V10/25；该发明授权基于类别注册机制和区域对比学习的连续少样本目标检测方法是由李宏亮;唐世渊;矫健;龚传阳;郝昕鹏设计研发完成，并于2023-09-22向国家知识产权局提交的专利申请。

本基于类别注册机制和区域对比学习的连续少样本目标检测方法在说明书摘要公布了：该发明公开了一种基于类别注册机制和区域对比学习的连续少样本目标检测方法，属于深度学习、目标检测领域。针对分类器设计了一种类别注册机制，隔离新类与旧类参数，采用余弦相似度计算分类器输出，保证分类器知识稳定更新，学习新类目标检测能力的同时不损失检测旧类目标的能力。在预训练过程中引入区域对比学习以挖掘大量标注样本中的潜在信息，训练得到泛化能力更强的目标检测特征提取器，提高对新类目标的检测能力。

本发明授权基于类别注册机制和区域对比学习的连续少样本目标检测方法在权利要求书中公布了：1.一种基于类别注册机制和区域对比学习的连续少样本目标检测方法，该方法包括： 步骤1：选取合适的目标检测数据集，将数据集的所有类别按比例划分为基类和新奇类；其中基类保留所有训练样本用于预训练，每一个新奇类从训练集中随机抽取少量样本作为微调时的训练样本； 步骤2：初始化系统网络，该系统网络包括特征提取器、分类器、回归器，其中分类器和回归器根据预训练时的类别数量初始化同样数量的权重向量； 所述分类器的输出通过softmax激活层后代入交叉熵损失，如下式： 其中，li,j表示第i个样本的分类器第j类输出值，gt表示标签类别，bg表示背景类，No表示样本总数； 其中，α表示尺度因子，特征提取器输出特征向量与分类器权重向量的余弦相似度作为分类器的输出，表示为： 其中，α同前式尺度因子，ri表示特征提取器输出特征向量，wj为分类器权重向量； 步骤3：执行预训练，每次迭代步骤如下： 步骤3.1：从训练集中随机采样数据，每一个样本包含图像x、框类别ygt和框位置yloc，将数据中每张图像进行随机裁切、随机翻转、填充、尺寸变换4个增广步骤得到两个视图vo＝Aox和vt＝Atx，标注信息也随着以上变换进行变换，得到对应于视图的标注和两个视图分别作为神经网络的输入，两个视图的前向传播过程分别记作在线分支和目标分支，其中目标分支不计算梯度； 步骤3.2：视图输入主干网络提取特征，得到特征图；在线分支的特征图输入Faster-RCNN的区域提议网络RegionProposalNetwork，RPN，计算得到RPN损失和目标分支提议框po表示在线分支的提议框； 步骤3.3：对提议框位置坐标加上随机偏移后作为增广数据，在线分支的提议框根据增广操作中的信息计算对应与目标分支中的视图的位置作为目标分支的提议框，对两个分支的提议框的位置加上±20％以内的随机偏移，筛除交并比IntersectionoverUnion，IoU小于0.6的提议框对； 步骤3.4：各分支的提议框均通过RoI-Align池化，得到提议框对应的兴趣区域RegionofInterest,RoI的特征图fo和ft，特征图输入RoI特征提取器F，在线分支计算出每个提议区域对应的类别特征向量和位置特征向量，目标分支仅计算类别特征向量； 步骤3.5：在线分支的特征向量分别与分类器中各类的权重向量计算余弦相似度，得到分类器的输出，通过softmax激活和交叉熵损失计算得到分类损失；位置特征向量则输入回归器计算位置回归损失； 步骤3.6：各分支的类别特征向量输入到一个多层感知机中得到对比空间向量，在线分支的对比空间向量输入到预测器得到预测向量，预测向量和相应的目标分支的对比空间向量计算对比损失Lctr； 其中，·,·为余弦相似度，R·,·为映射GFRoIAlign·,·的简记，和表示通过增广和筛选得到最终参与对比学习的提议框集合对，和表示集合中相应的提议框； 步骤3.7：将损失叠加并反传更新神经网络权重； L＝Lrpn+Lcls+Lreg+λLctr 其中，Lrpn、Lcls和Lreg分别表示Faster-RCNN网络训练的RPN损失，RoI分类损失和位置回归损失，λ表示对比损失放缩系数； 步骤4：进入新的增量阶段，在上一阶段训练后的神经网络基础上，固定现有权重在后续不更新，然后根据该阶段待学习的类别数量初始化同样数量的权重向量； 步骤5：微调神经网络，微调时系统网络训练时仅分类器计算方法同步骤3.5，其余方法正常训练； 步骤6：若需要学习新的类别，循环到步骤4；否则结束系统训练过程。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区（西区）西源大道2006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。