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！

龙图腾网获悉中国海洋大学申请的专利基于空间表征学习和强化的小样本目标识别方法及网络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：CN116863203B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202310683397.8，技术领域涉及：G06V10/764；该发明授权基于空间表征学习和强化的小样本目标识别方法及网络是由黄磊;董辉;魏志强设计研发完成，并于2023-06-09向国家知识产权局提交的专利申请。

本基于空间表征学习和强化的小样本目标识别方法及网络在说明书摘要公布了：本发明属于图像处理技术领域，公开了基于空间表征学习和强化的小样本目标识别方法及网络，依次通过特征提取、构造对比对、特征互增强、空间粒度对比，计算对比损失、注意力池化、查询集样本识别、损失优化的步骤训练网络模型，对于输入的待识别的图像，可以获得准确的识别结果。

本发明授权基于空间表征学习和强化的小样本目标识别方法及网络在权利要求书中公布了：1.基于空间表征学习和强化的小样本目标识别方法，其特征在于，包括以下步骤： 步骤1、构建小样本识别任务： 在每次迭代训练时，首先从基类数据集随机采样一个小样本识别任务，模拟小样本识别场景，具体地，随机从基类中选取N个类别，每个类别分别采样K个样本构成支持集S；每个类别再分别采样若干个样本构成查询集Q； 步骤2、特征提取： 使用卷积神经网络作为特征提取网络，提取输入的样本图像特征，具体地，将所有的支持集样本和查询集样本送入到参数为θ的特征提取网络中得到相应的特征表征，得到支持集特征图和查询集特征图； 步骤3、构造对比对： 基于步骤2得到的支持集特征图和查询集特征图，构造对比对，具体地，对于所有支持集样本和查询集样本，其都有对应的真实类别标签，将两个类别相同的样本看作为一对正样本对、将两个类别不同的样本看作为一对负样本对，构造样本对，接下来分别计算各个样本对中的两张样本特征图的空间粒度相似度； 步骤4：特征互增强： 对于一个样本对中的两个样本i和j，其都有对应的经过步骤2得到的特征图和，用来增强，得到增强后的特征图，具体是：经过全局平均池化操作后与特征图逐通道相乘得到加权后的特征图，将特征图经过空间注意力处理，得到注意力图，将注意力图与样本j的特征图做逐元素相乘计算，得到增强后的特征图； 用来增强，用来增强的操作步骤同理，得到增强后的特征图； 步骤5：空间粒度对比，计算对比损失： 基于原特征图以及增强后的特征图进行空间粒度对比，具体地，样本i的原特征图与样本j基于样本i增强后的特征图的空间粒度对比，分别计算这两个特征图上每个空间位置与另一特征图的相似度，将所有空间位置与特征图之间的相似度求和取平均得到这两个特征图之间的空间粒度相似度，记为； 同理，计算出样本j的原特征图与样本i基于样本j增强后的特征图之间的空间粒度相似度，记为； 取两个相似度的均值作为最终的样本i和样本j之间的空间粒度相似度，记为； 对于样本i来说，根据其正负样本对的空间粒度相似度构造出空间粒度对比损失函数，记为，将所有样本的空间粒度对比损失相加作为总的空间对比损失，记为； 步骤6：注意力池化： 对步骤2提取到的所有支持集和查询集样本特征图使用注意力池化操作，将其转换为支持集特征向量和查询集特征向量； 步骤7：查询集样本识别： 分别利用每个类别对应的支持集样本特征向量构建出每个类别原型，然后计算每个查询集样本与每个类别原型之间的相似度，并利用Softmax函数计算查询集样本属于各个类别的概率值，取概率值最大的类别作为查询集样本的预测标签，然后根据查询集样本真实标签计算交叉熵损失作为小样本分类损失，记为； 步骤8：损失优化： 将空间对比损失与小样本分类损失相结合构成整个训练过程的总损失，记为，即 ； 其中，和是超参数，用来调节和的权重。

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中国海洋大学，其通讯地址为：266000 山东省青岛市崂山区松岭路238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。