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！

龙图腾网获悉南京邮电大学申请的专利一种基于卷积高斯过程的可信少样本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：CN119399540B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411535619.2，技术领域涉及：G06V10/764；该发明授权一种基于卷积高斯过程的可信少样本图像分类方法是由李平;柳春波;朱祥;仝涛设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本一种基于卷积高斯过程的可信少样本图像分类方法在说明书摘要公布了：本发明提出了一种基于卷积高斯过程的可信少样本图像分类方法，属于图像识别技术领域，包括：构建用于少样本图像分类的神经网络模型；构建模型训练过程中每次迭代使用的支持集和查询集；计算支持集图像和查询集图像的局部特征；将局部特征输入到注意力机制模块中，计算出各自的权重向量，将核函数与权重向量相结合，得到具有语义指导能力的核函数；将局部特征输入到使用语义指导核函数的卷积高斯过程模块中，计算出支持图像和查询图像的相似度以及预测结果的可信度；将卷积高斯过程的预测结果输入到具有不确定性感知能力的分类器中，得到可信的分类预测结果；本发明实现了能够充分考虑预测结果不确定性的高可信图像分类。

本发明授权一种基于卷积高斯过程的可信少样本图像分类方法在权利要求书中公布了：1.一种基于卷积高斯过程的可信少样本图像分类方法，其特征在于，包括： S1、构建用于少样本图像分类的神经网络模型，所述神经网络模型包括特征提取网络、注意力机制模块、卷积高斯过程模块、具有不确定性感知能力的分类器； S2、获取少样本图像数据集，基于该数据集构建模型训练过程中每次迭代使用的支持集和查询集，同时使用特征提取网络计算支持集图像和查询集图像的局部特征； S3、将支持集图像和查询集图像的局部特征输入到注意力机制模块中，计算出各自的权重向量，将核函数与权重向量相结合，得到具有语义指导能力的核函数； S4、将支持图像和查询图像的局部特征输入到使用语义指导核函数的卷积高斯过程模块中，计算出支持图像和查询图像的相似度以及预测结果的可信度； S5、将卷积高斯过程的预测结果输入到具有不确定性感知能力的分类器中，得到可信的分类预测结果；利用该分类预测结果，构建交叉熵损失函数并对所述的神经网络模型进行训练和优化，得到少样本图像分类模型； S6、利用少样本图像分类模型处理新的少样本图像分类任务，对图像进行分类。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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。