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！

龙图腾网获悉北京工业大学申请的专利基于子空间前景感知的少样本目标检测方法与系统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：CN119418039B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202411587077.3，技术领域涉及：G06V10/25；该发明授权基于子空间前景感知的少样本目标检测方法与系统是由任坤;任福荣;李峥瑱;张天阳设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本基于子空间前景感知的少样本目标检测方法与系统在说明书摘要公布了：本发明的实施例提供了一种基于子空间前景感知的少样本目标检测方法与系统，该方法包括获取支持图像和查询图像；将支持图像和查询图像输入至经训练的基于子空间前景感知的少样本目标检测模型中，得到基于子空间前景感知的少样本目标检测模型输出的目标检测结果，基于子空间前景感知的少样本目标检测模型至少基于双向对比损失函数训练得到，目标检测结果至少包括检测框、目标分类、置信度、回归参数，其中，基于子空间前景感知的少样本目标检测模型用于至少基于前景感知模块、多个基于子空间的特征聚合模块，对查询图像进行目标检测，以得到目标检测结果。

本发明授权基于子空间前景感知的少样本目标检测方法与系统在权利要求书中公布了：1.一种基于子空间前景感知的少样本目标检测方法，其特征在于，包括： 获取支持图像和查询图像； 将所述支持图像和所述查询图像输入至经训练的基于子空间前景感知的少样本目标检测模型中，得到所述基于子空间前景感知的少样本目标检测模型输出的目标检测结果，所述目标检测结果至少包括检测框、目标分类、置信度、回归参数， 其中，所述基于子空间前景感知的少样本目标检测模型用于至少基于前景感知模块、第一基于子空间的特征聚合模块、第二基于子空间的特征聚合模块，对所述查询图像进行目标检测，以得到所述目标检测结果， 其中，所述至少基于前景感知模块、第一基于子空间的特征聚合模块、第二基于子空间的特征聚合模块，对所述查询图像进行目标检测，以得到所述目标检测结果，包括： 由所述前景感知模块： 将基于所述查询图像提取的查询特征按照通道维度分为多个子空间特征； 对所述多个子空间特征进行空间和通道维度上的增强处理以得到对应的增强后的多个子空间特征； 对所述增强后的多个子空间特征按照所述通道维度进行拼接，生成增强后的查询特征；以及 将所述增强后的查询特征输入至所述第一基于子空间的特征聚合模块； 由所述第一基于子空间的特征聚合模块： 对基于所述支持图像提取的支持特征以及接收到的所述增强后的查询特征按通道维度划分为第一多对子空间特征； 计算所述第一多对子空间特征的相似度分数； 利用所述第一多对子空间特征的相似度分数和所述第一多对子空间特征中对应的支持特征，计算第一多个子空间加权支持特征； 对所述第一多个子空间加权支持特征进行拼接得到第一加权支持特征； 对所述第一加权支持特征与所述增强后的查询特征进行拼接，以生成第一聚合特征；以及 将所述第一聚合特征输入至所述第二基于子空间的特征聚合模块； 由所述第二基于子空间的特征聚合模块： 对基于所述支持图像提取的所述支持特征以及基于所述第一聚合特征生成的查询RoI特征按通道维度划分为第二多对子空间特征； 计算所述第二多对子空间特征的相似度分数； 利用所述第二多对子空间特征的相似度分数和所述第二多对子空间特征中对应的支持特征，计算第二多个子空间加权支持特征； 对所述第二多个子空间加权支持特征进行拼接得到第二加权支持特征； 对所述第二加权支持特征与所述查询RoI特征进行拼接，以生成第二聚合特征，并计算分类和回归参数，生成并输出所述目标检测结果， 其中，所述基于子空间前景感知的少样本目标检测模型至少基于双向对比损失函数训练得到，所述双向对比损失函数用于增加所述支持特征与所述查询特征在同类样本间的相似度，并减少正支持样本与负支持样本之间的相似度， 所述双向对比损失函数为： ； 表示第i个正支持类的特征向量，表示第i个负支持类的特征向量，和分别表示正、负支持样本的类原型特征，由K个对应类别的特征向量平均计算获得： ； 表示余弦相似度函数，计算过程为： ； 和分别为向量、在第i维的特征值i=1,2,…,N，N表示特征向量的通道维度。

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工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。