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！

龙图腾网获悉北京交通大学申请的专利一种基于小样本学习的铁路场景不常见入侵目标识别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：CN115393802B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202210811818.6，技术领域涉及：G06V20/54；该发明授权一种基于小样本学习的铁路场景不常见入侵目标识别方法是由郭保青;余祖俊;朱力强;王尧;阮涛设计研发完成，并于2022-07-11向国家知识产权局提交的专利申请。

本一种基于小样本学习的铁路场景不常见入侵目标识别方法在说明书摘要公布了：本发明涉及一种基于小样本学习的铁路场景不常见入侵目标识别方法。本发明可以实时采集铁路沿线相机获取的铁路场景图像，利用改进的度量元学习网络模型进行铁路场景中不常见入侵目标的识别。该模型包括预训练的特征映射网络，自学习类中心微调网络，距离度量模块三部分，并采用中心相关损失函数进行度量元学习模型的训练。本发明可以对铁路空场景以及场景中包含但不限于列车、落石、行人、泥石流等类别的图像进行分类识别。当列车经过时不报警，而当铁路场景中有落石、行人、泥石流等异物入侵铁路限界时则发出报警信息，通过有线或无线方式提醒相关人员。

本发明授权一种基于小样本学习的铁路场景不常见入侵目标识别方法在权利要求书中公布了：1.一种基于小样本学习的铁路场景不常见入侵目标识别方法，其特征在于： 采用改进的度量元学习网络模型进行铁路场景中不常见入侵目标的识别，改进的度量元学习模型包括预训练的特征映射网络，自学习类中心微调网络，距离度量模块三部分；并采用中心相关损失函数进行特征映射网络训练； 具体地，包括如下步骤： 步骤1，首先将具有与铁路图像特征类似的小样本公共数据集输入到随机初始化的特征映射网络中进行预训练，得到预训练的特征映射网络及其参数； 步骤2，利用小样本公共数据集建立元训练集，输入到步骤1获得的预训练的特征映射网络中进行度量元训练，得到元训练的特征映射网络及其参数； 步骤3，将铁路空场景图像、入侵目标样本图像建立小样本支持集S，输入至步骤2获得的元训练的特征映射网络中，利用元训练的特征映射网络将上述入侵目标样本映射到同一个特征空间； 步骤4，将步骤3获得的支持集图像特征输入到自学习类中心微调网络中，学习得到各图像类别的中心表示； 步骤5，将待测图像输入到步骤2获得的元训练的特征映射网络中，获得待测图像的图像特征，然后利用距离度量模块计算待测图像特征与步骤4得到的各图像类别中心之间的相似度，得到入侵目标识别结果； 所述自学习类中心微调网络处理算法步骤如下： 步骤2-1，对于支持集S中类别为k的所有样本，经过特征映射网络后得到特征，根据求得的均值作为可学习参数类k的中心原型在特征空间的初始值，如下式1： ； 其中，N为类别为k的样本总数量，是类别为k的第i个样本经过特征映射网络后得到的特征； 步骤2-2，根据式1依次得到支持集S中所有类中心原型的初始值，利用softmax函数,归一化支持集中样本到每个初始类中心的距离，得到属于类k的概率，如式2： ； 其中d为两特征向量在特征空间的欧氏距离； 步骤2-3，据式3计算交叉熵损失： 。

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北京交通大学，其通讯地址为：100044 北京市海淀区上园村3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。