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！

龙图腾网获悉西安电子科技大学申请的专利一种基于概念协作网络的组合零样本学习方法及其装置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：CN116824214B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310560481.0，技术领域涉及：G06V10/82；该发明授权一种基于概念协作网络的组合零样本学习方法及其装置是由杨旭;王一博;李翔宇;魏坤;邓成;杨延华设计研发完成，并于2023-05-17向国家知识产权局提交的专利申请。

本一种基于概念协作网络的组合零样本学习方法及其装置在说明书摘要公布了：本发明公开了一种基于概念协作网络的组合零样本学习方法及其装置，包括：获取待测原始图像；使用训练好的概念协作网络的特征提取器对待测原始图像进行处理，得到特征；使用训练好的概念协作网络的状态编码器对待测原始图像的特征进行处理，得到状态特征；使用训练好的概念协作网络的对象编码器对待测原始图像的特征进行处理，得到对象特征；使用训练好的概念协作网络的概念交互模块对特征、状态特征和对象特征进行处理；将待测原始图像的特征的自注意力特征、状态特征的自注意力特征和对象特征的自注意力特征进行拼接；使用训练好的概念协作网络的学习模块对拼接的组合特征进行学习，得到待测原始图像的分类结果。本发明能够增强识别性能。

本发明授权一种基于概念协作网络的组合零样本学习方法及其装置在权利要求书中公布了：1.一种基于概念协作网络的组合零样本学习方法，其特征在于，包括： 获取状态对象组合的待测原始图像； 使用训练好的概念协作网络的特征提取器对所述待测原始图像进行处理，得到待测原始图像的特征； 使用训练好的概念协作网络的状态编码器对所述待测原始图像的特征进行处理，得到状态特征； 使用训练好的概念协作网络的对象编码器对所述待测原始图像的特征进行处理，得到对象特征； 使用训练好的概念协作网络的概念交互模块对所述待测原始图像的特征、所述状态特征和所述对象特征进行处理，分别得到待测原始图像的特征的自注意力特征、状态特征的自注意力特征和对象特征的自注意力特征； 将所述待测原始图像的特征的自注意力特征、所述状态特征的自注意力特征和所述对象特征的自注意力特征进行拼接，得到组合特征； 使用训练好的概念协作网络的学习模块对所述组合特征进行学习，得到待测原始图像的分类结果； 所述使用训练好的概念协作网络的概念交互模块对所述待测原始图像的特征、所述状态特征和所述对象特征进行处理，分别得到待测原始图像的特征的自注意力特征、状态特征的自注意力特征和对象特征的自注意力特征的过程包括： 将所述待测原始图像的特征投影至缩放的点积注意力空间中，获取所述待测原始图像的特征的点积注意力，其表达式为： ； 其中，为查询向量，为键向量，为值向量，、和均为可学习矩阵，为待测原始图像的特征； 将所述状态特征投影至缩放的点积注意力空间中，获得所述状态特征的点积注意力，其表达式为： ； 其中，为状态的查询，为状态的键，为状态的值，为状态编码器，为状态特征，、和为由到、和的变换矩阵； 将所述对象特征投影至缩放的点积注意力空间中，获得所述对象特征的点积注意力，其表达式为： ； 其中，为对象的查询，为对象的键，为对象的值，为对象编码器，为状态特征，、和为由到、和的变换矩阵； 根据所述待测原始图像的特征的点积注意力、所述状态特征的点积注意力和所述对象特征的点积注意力，分别获取所述待测原始图像的特征的自注意力特征、所述状态特征的自注意力特征和所述对象特征的自注意力特征，其表达式分别为： ； ； ； 其中，为组合比例因子，为待测原始图像的特征的自注意力特征，为第一状态缩放因子，为状态特征的自注意力特征，为第二状态缩放因子，为对象特征的自注意力特征；为对已有的注意力分数进行归一化，为矩阵的转置。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路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”。

以上内容由龙图腾AI智能生成。