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！

龙图腾网恭喜中南大学申请的专利一种基于原型感知的少样本语义分割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：CN119273915B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202411284274.8，技术领域涉及：G06V10/26；该发明授权一种基于原型感知的少样本语义分割方法是由郭菲;方家祥;马世强;陈思宇设计研发完成，并于2024-09-13向国家知识产权局提交的专利申请。

本一种基于原型感知的少样本语义分割方法在说明书摘要公布了：本申请涉及计算机视觉领域，公开了一种基于原型感知的少样本语义分割方法，包括以下步骤：S1、收集并预处理包含训练集和测试集的数据集；S2、通过将数据集中的所有图像按照类别分为大小相等且互不相交的四个fold；S3、利用预训练的深度神经网络提取支持图像和查询图像的特征；S4、基于支持图像特征和查询图像特征，进行循环一致性筛选，获得可信的查询特征集；S5、利用可信的查询特征集迭代优化前景和背景原型，并基于优化后的原型进行特征匹配；S6、输入测试图像通过优化后的模型进行语义分割，计算分割结果。本发明通过高置信度特征匹配、循环一致性筛选和级联预测优化，显著提高了少样本语义分割的准确率和鲁棒性。

本发明授权一种基于原型感知的少样本语义分割方法在权利要求书中公布了：1.一种基于原型感知的少样本语义分割方法，其特征在于，包括以下步骤：收集并预处理包含训练集和测试集的数据集；通过将数据集中的所有图像按照类别分为大小相等且互不相交的四个fold，进一步将每个fold的数据分为支持集和查询集；利用预训练的深度神经网络提取支持图像和查询图像的特征，其中，丢弃所述网络的最后一个block并冻结前两个block的参数；基于支持图像特征和查询图像特征，进行循环一致性筛选，获得可信的查询特征集；利用所述可信的查询特征集迭代优化前景和背景原型，并基于优化后的原型进行特征匹配；输入测试图像并通过优化后的模型进行语义分割，计算分割结果；所述利用所述可信的查询特征集迭代优化前景和背景原型，并基于优化后的原型进行特征匹配的步骤包括：利用获得的可信查询特征集计算更新后的前景和背景原型和公式为： 其中，α1与α2为超参数，分别为经过一次迭代以后得到的前景和背景原型；基于更新后的前景和背景原型和计算查询图像特征Fq的前景亲和图Af和背景亲和图Ab，公式为： 其中，cos…表示计算余弦相似度；对亲和图Af和Ab进行softmax处理，得到特征匹配结果M1，公式为：M1＝softmaxAf,Ab基于特征匹配结果M1，筛选出高置信度的前景查询特征集和背景查询特征集公式为： 其中，ε1和ε2为筛选阈值。

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南大学，其通讯地址为：410006 湖南省长沙市岳麓区麓山南路932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”。