Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜中国科学院计算技术研究所欧凤婵获国家专利权

恭喜中国科学院计算技术研究所欧凤婵获国家专利权

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!

龙图腾网恭喜中国科学院计算技术研究所申请的专利一种基于特征关系迁移的小样本目标检测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:CN115661542B

龙图腾网通过国家知识产权局官网在2025-07-01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:202211388184.4,技术领域涉及:G06V10/764;该发明授权一种基于特征关系迁移的小样本目标检测方法是由欧凤婵;胡蓝青;阚美娜;山世光设计研发完成,并于2022-11-08向国家知识产权局提交的专利申请。

一种基于特征关系迁移的小样本目标检测方法在说明书摘要公布了:本发明提供一种基于特征关系迁移的小样本目标检测模型的训练方法,所述方法包括:S1、获取训练集和支撑集,并用训练集对预训练的两阶段模型进行训练以获得初始化的目标检测基础模型和感兴趣区域调整模块;S2、采用训练集和支撑集将由经初始化的目标检测基础模型、感兴趣区域调整模块、特征提取网络、关系注意力模块、类别分类模块、检测框位置回归调整模块组成的训练模型进行多次迭代训练至收敛以获得由目标检测基础模型、感兴趣区域调整模块、特征提取网络、检测框位置回归调整模块、类别分类模块组成的最终的小样本目标检测模型。本发明提高了小样本目标检测模型对目标的定位能力,也可以在拥有对小样本类别的识别能力的同时,解决其对基类类别存在学习遗忘问题。

本发明授权一种基于特征关系迁移的小样本目标检测方法在权利要求书中公布了:1.一种基于特征关系迁移的小样本目标检测模型的训练方法,其特征在于,所述方法包括: S1、获取训练集和支撑集,并用训练集对预训练的两阶段模型进行训练以获得初始化的目标检测基础模型和感兴趣区域调整模块;其中,所述训练集中包括多个基类,每个基类具有多个带基类标签的样本,所述基类标签包括基类的类别标签、目标检测框位置标签;所述支撑集中包括多个与基类类别不同的新类,每个新类具有满足小样本任务要求且具有新类标签的样本,所述新类标签包括新类的类别标签、目标检测框位置标签、背景标签; S2、采用训练集和支撑集将所述初始化的目标检测基础模型、所述初始化的感兴趣区域调整模块、特征提取网络、关系注意力模块、类别分类模块、检测框位置回归调整模块组成的训练模型进行多次迭代训练至收敛以获得由目标检测基础模型、感兴趣区域调整模块、特征提取网络、检测框位置回归调整模块、类别分类模块组成的最终的小样本目标检测模型,其中每次迭代训练包括: S21、用初始化的目标检测基础模型分别提取训练集中和支撑集中每个样本的原始感兴趣区域; S22、采用感兴趣区域调整模块调整基于步骤S21提取到的训练集中和支撑集中每个样本的原始感兴趣区域; S23、用特征提取网络提取经步骤S22调整后的训练集中和支撑集中每个样本的调整感兴趣区域的原始特征; S24、采用关系注意力模块基于支撑集中每个样本的原始特征和训练集中每个样本的原始特征对支撑集中每个样本的原始特征进行增强处理以获得支撑集中每个样本的增强特征; S25、采用检测框位置回归调整模块基于支撑集中每个样本的原始特征输出样本的预测目标检测框位置,并基于支撑集所有样本的目标检测框位置标签和预测目标检测框位置计算目标检测框位置回归损失; S26、采用类别分类模块基于支撑集中每个样本的增强特征对样本进行类别分类获得预测分类结果,并基于支撑集所有样本的预测分类结果与类别标签计算类别分类损失; S27、采用目标检测框位置回归损失和类别分类损失更新训练模型的参数。

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中国科学院计算技术研究所,其通讯地址为:100190 北京市海淀区中关村科学院南路6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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。