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！

龙图腾网恭喜浙江大学申请的专利一种基于转换网络与自监督的小样本分类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：CN114299326B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202111483193.7，技术领域涉及：G06V10/764；该发明授权一种基于转换网络与自监督的小样本分类方法是由于云龙;靳莉莎设计研发完成，并于2021-12-07向国家知识产权局提交的专利申请。

本一种基于转换网络与自监督的小样本分类方法在说明书摘要公布了：本发明公开了一种基于转换网络与自监督的小样本分类方法，在通用的分类模型基础上增加一个转换网络模块，加入不同噪声进行特征增强，合成具有区分性与多样性的特征嵌入，使训练出来的模型可以更好的适用于小样本下游任务。具体包括如下步骤：获取用于训练特征提取器与转换网络模块的图像数据集；将图像数据集送入网络，使用特征增强方法获得具有区分性和多样性的特征嵌入，并结合自监督学习训练特征提取器与转换网络模块，优化目标是几个交叉熵损失与KL散度的和；获得训练好的特征提取器和转换网络模块，并将它应用于小样本分类任务。本发明在4个小样本分类任务基准miniImageNet，tieredImageNet，CIFAR‑FS和Caltech‑UCSD上均有很好的表现，证明了其在性能上的有效性与优越性。

本发明授权一种基于转换网络与自监督的小样本分类方法在权利要求书中公布了：1.一种加入转换网络与自监督的小样本分类方法，其特征在于，包括以下步骤：S1、获取用于训练特征提取器与转换网络模块的图像数据集；S2、将图像数据集送入网络，使用特征增强方法获得具有区分性和多样性的特征嵌入，并结合自监督学习训练特征提取器与转换网络模块，具体包括：S21、在训练时采用批量处理的方式，首先从图像数据集中随机采样一个批量的图像样本其中批量大小Nbs预先给定；S22、将B中的批量图像样本送入由骨干网络和分类器组成的模型，得到它们的预测概率；使用交叉熵损失的模型的优化目标是 其中，f和g分别表示特征提取器和分类器，Θ是参数集，Lce表示CE损失，R表示参数集的正则化项，λ是超参数；S23、为了保证合成特征嵌入的区分性，把它们送入原始视觉特征的分类网络，让预测类别与原始视觉特征属于的类别相一致；合成特征嵌入的分类是 其中，t是额外的合成特征嵌入个数，cj表示第j个高斯分布噪声的特征，T表示转换网络模块，yij是合成特征Tfxi,cj的类标签，它与原始视觉特征fxi的类标签相同，Θ表示整个模型的参数集；S24、为了保证合成特征嵌入的多样性，让合成了不同噪声的特征被分到不同的子类，将原始视觉特征与合成特征嵌入送到一个与上文分类器不同的分类器，输出为不同的类别 其中，lij是根据噪声的不同分布人工注释的自监督类标签，h表示自监督的分类器；S25、在标签空间中使用真实视觉特征正则化合成特征嵌入，来使得合成特征嵌入保留真实视觉特征的类间关系 其中，KL表示KullbackLeibler散度，xij是类别yi中的真实样本；fxij作为合成特征嵌入Tfxi,cj的监督器，不进行优化；S26、总的优化目标为Lall＝L1+L2+αL3+βL4其中，α和β是超参数；S27、根据得到的总的损失函数，使用带动量的随机梯度下降优化器，以及反向传播算法训练深度神经网络；S28、重复步骤S21至S27直至模型收敛；S3、将训练完成的模型用于小样本分类任务。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。