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！

龙图腾网获悉天津大学;上海人工智能创新中心申请的专利基于类别感知的原型增强小样本分割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：CN118864843B 。

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：202410860433.8，技术领域涉及：G06V10/26；该发明授权基于类别感知的原型增强小样本分割方法是由杨爱萍;刘宜坤;周雅然;刘彦;桑子佳设计研发完成，并于2024-06-28向国家知识产权局提交的专利申请。

本基于类别感知的原型增强小样本分割方法在说明书摘要公布了：本发明公开了一种基于类别感知的原型增强小样本分割方法，将数据集均匀划分为4个子集，将每个子集轮流作为验证集，从中随机抽取1000对支持‑查询图像用于验证环节，另外三个子集作为训练集进行交叉验证。小样本分割网络包括编码器、基学习器、类别感知模块CAM、原型增项模块PEM、编码器和细化模块。CAM基于支持特征和支持掩码，能够同时感知目标类和非目标类，并由此学习类别权重使网络更加关注目标类区域。PEM提取支持原型的同时基于查询图像初始预测提取查询原型，将两种原型相融合生成混合增强原型，同时包含两者的信息，提高最终分割结果的质量。本发明在支持样本数量受限时引导网络更好地避免错误激活，更准确地将目标类分割出来。

本发明授权基于类别感知的原型增强小样本分割方法在权利要求书中公布了：1.一种基于类别感知的原型增强小样本分割方法，其特征在于，包括以下步骤： 步骤1获取网络训练与验证所使用的PASCAL-5i和COCO-20i数据集，将数据集按照图像数据量均匀划分为4个子集，对于其中每个子集，随机抽取1000对“支持-查询”图像用于验证环节，所述支持图像指带有标注的样本，所述查询图像指待分割的未标注图像； 步骤2构建基于类别感知的原型增强小样本分割网络，对查询图像进行分割： 基于类别感知的原型增强小样本分割网络包括编码器、基学习器、类别感知模块CAM、原型增项模块PEM、编码器和细化模块RM；利用步骤S1中获取的训练集和验证集对该网络进行训练和验证；该网络训练过程，包括以下步骤： 2-1对于网络输入的支持图像Is和查询图像Iq，首先经过编码器Encoder·提取支持特征Fs与查询特征Fq，表示如下： Fs＝EncoderIs1 Fq＝EncoderIq2 2-2对所述的支持特征Fs与查询特征Fq进行处理：包括： 利用支持特征Fs和支持掩码Ms提取支持图像类信息Cs； 利用查询特征Fq与原型增强模块PEM输出的查询图像初始预测结果获取查询图像类信息Cq； 其中，CAM·表示类别感知模块CAM映射； 利用支持特征Fs和支持掩码Ms通过掩码平均池化MAP运算提取前景类原型表示为： 其中，i为图像像素位置索引，h和w分别为特征图高度和宽度；[·]是Iverson括号，其若内部条件为真则等于1，否则等于0；Ms为二值掩码，Msi＝1表示第i个像素属于c类； 2-3所述原型增强模块PEM利用所述前景类原型与所述查询特征Fq生成混合增强原型所述混合增强原型用于查询图像目标区域的激活，表示为： 其中，PEM·表示原型增强模块PEM映射； 将查询特征Fq、支持图像类信息Cs、查询图像类信息Cq以及混合增强原型进行通道维连接，得到增强查询特征即： 2-4基于增强查询特征通过解码器生成查询图像目标类的预测结果ptar为： 2-5采用细化模块RM对所述查询图像目标类的预测结果ptar和基学习器处理查询特征Fq得到的pbase进行细化，得到最终的小样本分割结果pout： pout＝RMptar,pbase8。

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天津大学;上海人工智能创新中心，其通讯地址为：300072 天津市南开区卫津路92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。