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！

龙图腾网恭喜清华大学申请的专利一种图像分类方法和装置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：CN113033612B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202110209031.8，技术领域涉及：G06V10/764；该发明授权一种图像分类方法和装置是由黄高;王朝飞;宋士吉设计研发完成，并于2021-02-24向国家知识产权局提交的专利申请。

本一种图像分类方法和装置在说明书摘要公布了：本申请实施例提供了一种图像分类方法和装置，该方法包括：获取待分类的事物图像、前景目标提取器和最终分类器；将事物图像输入前景目标提取器获取前景目标图像；将该前景目标图像输入最终分类器获得分类结果；最终分类器由图像特征提取器和小样本事物分类器构成；图像特征提取器是以大样本的已知类型事物的前景目标图像为训练数据训练获得；小样本事物分类器是以扩充后的新类型事物的前景目标图像为训练数据训练获得的；扩充方法包括:采用姿态转换生成器将新类型事物的前景目标图像进行姿态转换后获得扩充的前景目标图像。该实施例方案有效解决了小样本条件下细粒度图像的分类问题，有效提高了分类准确率。

本发明授权一种图像分类方法和装置在权利要求书中公布了：1.一种图像分类方法，其特征在于，所述方法包括：获取待分类的事物图像以及预先训练好的前景目标提取器和最终分类器；将所述待分类的事物图像输入所述前景目标提取器，获取所述待分类的事物图像的前景目标图像；将所述待分类的事物图像的前景目标图像输入所述最终分类器，由所述最终分类器输出关于所述待分类的事物图像的分类结果；其中，所述最终分类器是由预先训练好的图像特征提取器和小样本事物分类器构成的；所述图像特征提取器是以大样本的已知类型事物的前景目标图像为训练数据训练获得的；所述小样本事物分类器是以扩充后的新类型事物的前景目标图像为训练数据训练获得的；扩充方法包括:采用姿态转换生成器将新类型事物的前景目标图像进行姿态转换后获得扩充的前景目标图像；其中，所述小样本事物分类器的获取方法包括：基于大样本的已知类型事物的第一图像、小样本的新类型事物的第二图像、预先训练好的前景目标提取器和预先训练好的姿态转换生成器，生成关于所述新类型事物的新样本；将所述新样本扩充到所述小样本中，构成关于所述新类型事物的扩充样本集；采用所述扩充样本集训练获得所述小样本事物分类器；所述基于大样本的已知类型事物的第一图像、小样本的新类型事物的第二图像、预先训练好的前景目标提取器和预先训练好的姿态转换生成器，生成关于所述新类型事物的新样本，包括：对所述第一图像和所述第二图像分别设置类型标签，并获取所述前景目标提取器和所述姿态转换生成器；将设置有类型标签的第一图像和第二图像分别输入预先训练好的前景目标提取器，并分别获取关于所述已知类型事物的第一前景目标图像集和关于所述新类型事物的第二前景目标图像集；将所述第一前景目标图像集和所述第二前景目标图像集输入所述姿态转换生成器，以将所述新类型事物的姿态转换为所述已知类型事物所具有的姿态；并由所述姿态转换生成器输出关于所述新类型事物的姿态转换图像；将获取的多张姿态转换图像作为所述新类型事物的新样本；所述姿态转换生成器的获取方法包括：从由大样本的已知类型事物的第一图像构成的第二训练集中提取出多胞胎训练集；采用所述多胞胎训练集对构建的自编码器神经网络进行训练，获取所述姿态转换生成器；所述多胞胎训练集包括：四胞胎训练集；所述从由大样本的已知类型事物的第一图像构成的第二训练集中提取出多胞胎训练集包括：从所述第二训练集中获取多个四胞胎数据对，组成所述四胞胎训练集；其中，所述四胞胎数据对满足：来自一个已知类型，来自另一个已知类型，的显著图和的显著图的相似性大于或等于预设的相似度阈值，的显著图和的显著图的相似性大于或等于所述相似度阈值；从到的姿态变换与从到的姿态变换一致；所述采用所述多胞胎训练集对构建的自编码网络进行训练，获取所述姿态转换生成器，包括：将作为输入，将作为所述姿态转换生成器的目标输出，将作为所述姿态转换生成器的实际输出；根据所述目标输出、所述实际输出和所述目标输出的类别标签y对预设的损失函数进行优化，在所述损失函数的损失值满足预设要求时确定训练结束，并将训练后的自编码网络作为所述姿态转换生成器。

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清华大学，其通讯地址为：100084 北京市海淀区清华园；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”。