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！

龙图腾网恭喜电子科技大学长三角研究院(衢州);衢州海易科技有限公司申请的专利一种基于类特征的多尺度度量少样本学习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：CN114626481B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202210314022.X，技术领域涉及：G06F18/214；该发明授权一种基于类特征的多尺度度量少样本学习方法是由吴磊;管林林;王晓敏;吴少智;龚海刚;刘明;陈坚武;单文煜设计研发完成，并于2022-03-28向国家知识产权局提交的专利申请。

本一种基于类特征的多尺度度量少样本学习方法在说明书摘要公布了：本发明涉及一种基于类特征的多尺度度量少样本学习方法，包括：S1、数据预处理步骤；S2、特征嵌入步骤；S3、类特征提取步骤：通过动态路由机制融合支撑集同类的多个样本特征，并通过迭代的方式数输入向量的权重向量进行更新得到类整体特征；S4、多尺度度量步骤：通过融合三种度量准则对支撑集类特征与查询集样本之间进行相似度度量。本发明采用动态路由机制生成类整体特征，相比于直接加权平均的算法，通过该算法得到的类整体特征更具有代表性。在度量模块中，在有参网络的度量方法中引入了注意力机制，另外结合了多种度量方式的优劣，共同决定样本特征间相似度，从而得到了表现力更好的CFMMN网络模型。

本发明授权一种基于类特征的多尺度度量少样本学习方法在权利要求书中公布了：1.一种基于类特征的多尺度度量少样本学习方法，其特征在于：所述少样本学习方法包括：S1、数据预处理步骤：通过随机固定角度的方式增强数据，以扩充数据量和为同一类增加不同角度的图像样本，并通过N-wayK-shot方法得到支撑集和查询集；S2、特征嵌入步骤：通过特征嵌入网络对支撑集和查询集中的样本xi进行嵌入后得到特征S3、类特征提取步骤：通过动态路由机制融合支撑集同类的多个样本特征，并通过迭代的方式对输入向量的权重向量进行更新得到类整体特征；S4、多尺度度量步骤：通过融合有参网络度量、余弦距离度量和欧式距离度量三种度量准则对支撑集类特征与查询集样本之间进行相似度度量；通过N-wayK-shot方法得到支撑集和查询集包括：从数据集中随机抽取N个类，每个类抽取k个样本作为支撑集，支撑集中的样本用于生成N个类的原型；再从N个类剩余的样本中每类抽取k个样本作为查询集，查询集用于计算网络的准确率，以验证模型性能；所述类特征提取步骤的具体内容包括：对特征嵌入步骤中得到的支撑集样本特征向量eij进行变换得到其中，Ws、bs为转换矩阵和偏置项，Squash函数是一个非线性函数将向量压缩，使其长度在0到1之间对向量的长度进行归一化；通过迭代的方式对输入向量的权重向量更新后得到类整体特征；具体的迭代过程包括： 其中，dij表示的是输入向量与输出类特征ci间的关联关系，bij的初始值为0，经过Softmax函数后就变为均匀分布，ci为输出的第i类支撑集样本的类特征；所述多尺度度量步骤具体包括：根据所述特征嵌入步骤得到查询集样本特征eq和类特征提取步骤得到第i类支撑集的类特征ci，通过欧氏距离得到第i类支撑集样本与第q个查询样本间的匹配分数为以及得到余弦相似度方法作为度量准则是的匹配分数当度量方式为带有注意力机制的有参网络是，通过优化学习得到网络中具体的参数，进而得到匹配分数其中C.，.为拼接级联函数，MAttention.表示带有注意力机制的度量准则，fφ表示带有激活函数的全连接网络；选择三种度量方式相加的匹配得分最大的类别i作为该查询样本xq的类别标签。

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(衢州);衢州海易科技有限公司，其通讯地址为：324000 浙江省衢州市柯城区芹江东路288号1幢18楼；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”。