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！

龙图腾网恭喜北京工业大学申请的专利一种面向零样本识别的字典学习方法及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：CN114037879B 。

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：202111237748.X，技术领域涉及：G06V10/772；该发明授权一种面向零样本识别的字典学习方法及装置是由王立春;李爽;王少帆;孔德慧;尹宝才设计研发完成，并于2021-10-22向国家知识产权局提交的专利申请。

本一种面向零样本识别的字典学习方法及装置在说明书摘要公布了：公开一种面向零样本识别的字典学习方法及装置，可以从类别层面和图像层面分别建立视觉空间和语义空间之间的对齐，从而实现高精度的零样本图像识别。方法包括：1基于跨域字典学习方法训练类别层的跨域字典；2基于步骤1学习的类别层跨域字典生成图像的语义属性；3基于步骤2生成的图像语义属性训练图像层的跨域字典；4基于步骤3学习的图像层跨域字典完成对不可见类别图像的识别任务。

本发明授权一种面向零样本识别的字典学习方法及装置在权利要求书中公布了：1.一种面向零样本识别的字典学习方法，其特征在于：该方法包括以下步骤：1基于跨域字典学习方法训练类别层的跨域字典；2基于步骤1学习的类别层跨域字典生成图像的语义属性；3基于步骤2生成的图像语义属性训练图像层的跨域字典；4基于步骤3学习的图像层跨域字典完成对不可见类别图像的识别任务；所述步骤1包括：1.1通过计算可见类别图像的类别中心提取视觉空间的类别原型Pv，为公式1： 其中，Yv是样本特征矩阵；H为样本标签矩阵；1.2将类别原型Pv与类别语义属性Ps组成一对输入，训练类别层的跨域字典，通过约束类别原型与类别语义属性共享稀疏系数在类别层面建立视觉空间和语义空间之间的联系，具体表达式为公式2： 其中，第一项为视觉空间字典重构误差项；第二项为语义空间字典的重构误差项；Dv为视觉空间字典；Ds为语义空间字典；Xp为稀疏系数矩阵；λ为调和参数；1.3为了降低可见类别和不可见类别之间的域差异对模型精度造成的影响，提升模型对不可见类别样本的识别能力，引入不可见类别的自适应损失函数，为公式3： 其中，为待求解的不可见类的类别原型；为不可见类别的语义属性矩阵；为不可见类别对应的稀疏系数矩阵；类别层的联合损失函数为公式4： 类别层的训练目标是最小化式4所示的损失函数，待求解出变量包括：视觉空间字典Dv；语义空间字典Ds；可见类别原型Pv；不可见类别原型可见类稀疏系数Xp；不可见类稀疏系数

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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”。