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！

龙图腾网恭喜南京理工大学申请的专利从单品示例中进行基于原型的分类器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：CN114549890B 。

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：202111675503.5，技术领域涉及：G06V10/764；该发明授权从单品示例中进行基于原型的分类器学习方法是由魏秀参;陈昊;肖亮设计研发完成，并于2021-12-31向国家知识产权局提交的专利申请。

本从单品示例中进行基于原型的分类器学习方法在说明书摘要公布了：本发明公开了一种从单品示例中进行基于原型的分类器学习方法，包括以下步骤：从单品示例中生成基于原型的分类器，包括背景分类器；利用背景类的得分进行鉴别性重排；在生成产品候选框之前，进行多标签学习，对各类产品在结账图像中的共现关系进行建模，得到相应损失对网络进行约束。本发明利用基于原型的分类器来缓解单品示例和结账图像间的域差异，开发了鉴别性的重新排序模块以增强分类器的鉴别能力，同时使用多标签识别损失，对产品在结账图像中的共现关系建模。本发明可以广泛应用于自动结账、目标检测等领域。

本发明授权从单品示例中进行基于原型的分类器学习方法在权利要求书中公布了：1.一种从单品示例中进行基于原型的分类器学习方法，其特征在于，包括以下步骤：步骤1，从单品示例中生成基于原型的分类器，包括背景分类器，具体如下：将单品示例集合输入基于原型的分类器生成器中，H和W分别表示图像的高度和宽度，首先平均同类所有示例的特征向量得到该类的原型k为相应类别，是第k类的单品示例总数，Θ是特征提取网络fCNN；Θ的参数，再把所有类原型平均得到背景类原型K是产品类别总数，所有原型经过非线性映射fgenerator·后得到K+1个分类器，记为W＝[w1；...；wK；wBG]；fgenerator·在实现中是一个包括2层全连接层和一个ReLU激活函数的多层感知机；步骤2，利用背景类的得分进行鉴别性重排；对于结账图像Ic∈RH×W的第n个产品候选框，n＝1,...，N，N为产生的产品候选框总数，令mn表示其特征向量，则其对K+1个类的得分可表示为向量sn： 一个合理的排序为： 其中yn是第n个产品候选框的真实类别，Ω＝[1，...，K，BG]，∈是松弛变量，α是一个区间为0，1的超参数；当yn＝BG时，不改变得分排序；步骤3，在生成产品候选框之前，进行多标签学习，对各类产品在结账图像中的共现关系进行建模，得到相应损失对网络进行约束；对于结账图像Ic，令其在主干网络的最后一层的特征图为F，用一个全连接层fFC·；φ进行多标签识别，可表示为： 其中是多标签识别结果，fGAP·和fGMP·分别是全局平均汇合与全局最大汇合操作，φ是该全连接层的参数。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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”。