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长三角研究院(湖州)申请的专利一种基于数据增广的零样本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：CN115424024B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202210878462.8，技术领域涉及：G06V10/40；该发明授权一种基于数据增广的零样本分类方法是由沈冯立;李福生;赵彦春设计研发完成，并于2022-07-25向国家知识产权局提交的专利申请。

本一种基于数据增广的零样本分类方法在说明书摘要公布了：本发明公开了一种基于数据增广的零样本分类方法。该方法包括如下步骤：首先组合视觉特征，将得到的视觉组合特征输入到关系网络中，输出的结果在可见类范围内打分，达到可见类数据增广的目的；然后组合视觉特征与未见类语义特征，将得到的组合特征输入到关系网络中，输出的结果在全部的类的范围内打分，达到未见类数据增广的目的；最后，通过整合视觉特征、随机打乱的视觉特征和未见类语义特征这三种特征匹配得到的三元组，以数据增广的方式提升零样本模型区分未见类和可见类的能力。本方法通过三种适用于零样本分类方法的数据增广方式，帮助提高零样本图像分类方法的准确率。

本发明授权一种基于数据增广的零样本分类方法在权利要求书中公布了：1.一种基于数据增广的零样本分类方法，其特征在于，包括以下步骤： 步骤一：利用卷积神经网络对训练图片进行视觉特征的提取，利用循环神经网络对所有类别的类别名进行类别语义特征的提取； 步骤二：将步骤一中提取得到的视觉特征和语义特征分别通过不同的多层感知器映射到相同维度的空间，保证视觉特征和语义特征映射后的特征维度相同； 步骤三：将步骤二中得到的一个训练图片样本的映射视觉特征复制可见类的类别份数后，将每一份与一个步骤二中得到的可见类的映射语义特征拼接，将拼接的特征作为一个整体输入到关系网络relationNet中进行类别置信度预测，根据该训练样本的标注类别计算损失1； 步骤四：将同一批次训练的步骤二得到的映射视觉特征随机组合，将得到的组合特征复制可见类的类别份数后，将每一份复制结果分别与一个可见类的映射语义特征拼接，将拼接后的特征作为一个整体输入到关系网络中进行类别置信度预测，根据组合特征的组合类别标签计算损失2； 步骤五：将由步骤二得到的映射视觉特征与未见类的映射类别语义特征进行随机组合，得到视觉与语义的组合特征，将组合特征复制所有类的类别份数后，将每一份与一个类的映射语义特征拼接，将拼接的特征作为一个整体输入到关系网络中进行类别置信度预测，根据组合特征的组合类别标签计算损失3； 步骤六：将同一训练批次的映射视觉特征拼接对应的映射语义特征，将拼接特征输入到关系网络中输出可见类得分，将结果复制一份，对复制的结果随机打乱得到随机可见类得分； 步骤七：将同一训练批次的映射视觉特征拼接未见类的映射语义特征后，输入到关系网络中，得到未见类得分； 步骤八：根据步骤六和步骤七中得到的可见类得分、随机可见类得分和未见类得分这3个得分结果计算三元组损失tripletloss； 步骤九：将步骤三、步骤四、步骤五和步骤八中的损失1、损失2、损失3和三元组损失相加得到训练阶段模型的总损失； 步骤十：用步骤九中得到的总损失训练步骤三中的关系网络和步骤二中的多层感知器； 步骤十一：在预测阶段，将待测图片与所有类别的语义特征进行拼接，输入到训练完成的关系网络中，输出每一类的得分，将得分最高的类别作为待测图片的预测类别。

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长三角研究院(湖州)，其通讯地址为：313000 浙江省湖州市西塞山路819号南太湖科技创新综合体B2幢8层；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。