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！

龙图腾网获悉浪潮软件科技有限公司申请的专利小样本图像分类方法、设备及介质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：CN120510459B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202511006555.1，技术领域涉及：G06V10/764；该发明授权小样本图像分类方法、设备及介质是由王强;张峰;张野;王冠军;常靓;李捷明;林一伟;李照川设计研发完成，并于2025-07-22向国家知识产权局提交的专利申请。

本小样本图像分类方法、设备及介质在说明书摘要公布了：本发明公开了小样本图像分类方法、设备及介质，属于图像分类技术领域，本发明要解决的技术问题为如何提高小样本图像分类的准确性和效率，技术方案为：图像采集与预处理；构建并更新基于宽度学习和注意力机制的元学习模型；其中，基于宽度学习和注意力机制的元学习模型包括输入层、宽度学习模块、多头注意力机制模块、输出层以及元学习框架；宽度学习模块通过增加输入层与隐藏层之间的连接提高基于宽度学习和注意力机制的元学习模型的表达能力；多头注意力机制模块使基于宽度学习和注意力机制的元学习模型能够动态调整小样本图像特征的重要性；元学习框架通过内循环和外循环更新元学习模型的初始化参数，获取更新后的元学习模型。

本发明授权小样本图像分类方法、设备及介质在权利要求书中公布了：1.一种小样本图像分类方法，其特征在于，该方法具体如下： 图像采集与预处理：通过CIFAR10数据集采集32×32像素的RGB图像，并通过均值和标准差将32×32像素的RGB图像的像素值从[0,255]归一化到[0,1]，并进行标准化处理，获取包括小样本图像特征的小样本图像数据集，将小样本图像数据集划分为支持集、查询集及测试集，用于元学习框架的训练、验证及测试； 构建并更新基于宽度学习和注意力机制的元学习模型；其中，基于宽度学习和注意力机制的元学习模型包括输入层、宽度学习模块、多头注意力机制模块、输出层以及元学习框架；输入层输入小样本图像特征并传递到宽度学习模块；宽度学习模块通过增加输入层与隐藏层之间的连接提高基于宽度学习和注意力机制的元学习模型的表达能力；多头注意力机制模块通过计算输入小样本图像特征之间的相似度，根据相似度对特征进行加权，使基于宽度学习和注意力机制的元学习模型能够动态调整小样本图像特征的重要性；输出层输出处理后的小样本图像特征；元学习框架通过内循环和外循环更新基于宽度学习和注意力机制的元学习模型的初始化参数，获取更新后的基于宽度学习和注意力机制的元学习模型； 将测试集输入到更新后的基于宽度学习和注意力机制的元学习模型，分析基于宽度学习和注意力机制的元学习模型输出结果并绘制曲线，进而获取小本图像分类精确度； 其中，宽度学习模块增加宽度方式具体如下： 增加隐藏层的宽度：通过增加隐藏层的神经元数量提高基于宽度学习和注意力机制的元学习模型的表达能力； 增加额外的输入连接：将输入特征直接连接到多个隐藏层，使基于宽度学习和注意力机制的元学习模型能够更好地利用输入特征； 其中，神经网络中，隐藏层的神经元数量决定相应网络层的宽度；增加隐藏层的神经元数量提高基于宽度学习和注意力机制的元学习模型的表达能力，使基于宽度学习和注意力机制的元学习模型能够捕捉到更复杂的特征关系；将输入特征直接连接到多个隐藏层，目的如下： 定义额外的连接：在神经网络中，除了正常的前向传播路径外，增加从输入层到多个隐藏层的直接连接； 修改前向传播：在前向传播过程中，将输入特征与隐藏层的输出进行合并； 宽度学习模块包括第一层隐藏层和第二层隐藏层，第一层隐藏层包括第一层全连接层及第一层ReLU激活函数；第二层隐藏层包括第二层全连接层及第二层ReLU激活函数； 其中，第一层全连接层将输入特征映射到隐藏层，并输出维度为hidden_dim*2的特征； 第一层ReLU激活函数用于增强非线性表达能力； 第二层全连接层保持宽度不变，输出维度仍为hidden_dim*2； 第二层ReLU激活函数用于进一步增强非线性表达能力。

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浪潮软件科技有限公司，其通讯地址为：250000 山东省济南市高新区浪潮路1036号浪潮科技园；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”。