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！

龙图腾网获悉重庆邮电大学申请的专利一种基于CGAN-MAML-ResNet的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：CN119649123B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202411739285.0，技术领域涉及：G06V10/764；该发明授权一种基于CGAN-MAML-ResNet的少样本图像分类方法是由付蔚;钟渝;童世华;王越;黎鸿;张泽;莫凡;麦仁翔;吕阳设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种基于CGAN-MAML-ResNet的少样本图像分类方法在说明书摘要公布了：本发明涉及图像分类领域，特别涉及一种基于CGAN‑MAML‑ResNet的少样本图像分类方法，包括：获取原始图像，构建并训练CGAN模型，使用训练好的CGAN模型生成样本图像；将样本图像与原始图像共同构成的数据集划分为训练集与测试集，构建多个分类元任务；将训练集输入到ResNet18模型中进行训练，得到训练结束后ResNet18模型的每层特征参数；构建并优化改进的ResNet18模型，获得模型的最优参数；根据最优参数对目标分类任务进行训练，得到分类结果。本发明所述方法具有准确性高、泛化能力强的优点。

本发明授权一种基于CGAN-MAML-ResNet的少样本图像分类方法在权利要求书中公布了：1.一种基于CGAN-MAML-ResNet的少样本图像分类方法，其特征在于，包括： S1.获取原始图像与目标分类任务的数据集；构建并训练CGAN模型，将原始图像输入到训练后的CGAN模型中，生成样本图像； S2.将样本图像与原始图像共同构成的数据集划分为训练集E1与测试集T1，将目标分类任务的数据集划分为训练集E2与测试集T2，构建E1与T1的分类元任务； S3.将训练集E1输入到ResNet18模型中进行训练，得到训练结束后ResNet18模型的每层特征参数； 所述ResNet18模型，包括：一个7*7大小的卷积层、残差块0、残差块1、残差块2、残差块3、一个3*3大小的最大池化层、一个1024大小的全连接层、一个512大小的全连接层、一个大小为5的连接层，模块依次相连； 基于ResNet18模型对训练集E1的样本进行特征提取包括： S31.将生成样本和原始图像依次送入ResNet18模型的特征提取层，得到生成样本的特征图和原始图像的特征图； S32.将生成样本的特征图和原始图像的特征图在特征维度上相乘，得到融合特征图； S33.将融合特征图输入ResNet18分类层，得到分类结果；根据分类结果计算模型的损失函数，当损失函数收敛时，完成模型的训练，获取训练结束后ResNet18模型的每层特征参数； S4.根据ResNet18模型的每层特征参数对ResNet18模型进行改进，通过MAML算法采用分类元任务对改进的ResNet18模型进行第一次训练，得到改进的ResNet18模型的最优参数；所述对ResNet18模型进行改进，包括：冻结ResNet18模型的7*7卷积层、残差块0、残差块1、残差块2，将未冻结的其余层相连接形成的模型作为改进的ResNet18模型，将ResNet18模型的特征参数作为改进的ResNet18模型的初始参数；改进的ResNet18模型包括依次相连的：一个残差块、一个3*3大小的最大池化层、一个1024大小的全连接层、一个512大小的全连接层、一个大小为5的全连接层； S5.采用训练集E2对改进的ResNet18模型进行第二次训练，并将第一次训练的最优参数作为模型第二次训练的初始参数，采用T2对第二次训练后的改进的ResNet18模型进行测试，得到目标分类任务的分类结果。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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。