買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜中山大學申請的專利基于多視角學習與元學習的小樣本目標檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114119966B 。

龍圖騰網通過國家知識產權局官網在2025-05-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111453576.X，技術領域涉及：G06V10/25；該發明授權基于多視角學習與元學習的小樣本目標檢測方法是由吳家豪;魏朋旭;林倞;王青設計研發完成，并于2021-12-01向國家知識產權局提交的專利申請。

本基于多視角學習與元學習的小樣本目標檢測方法在說明書摘要公布了：本發明公開了一種基于多視角學習與元學習的小樣本目標檢測方法，包括：構建小樣本目標檢測模型；基于多視角學習的類間樣本對采樣法，采用類別平衡的原則，構建多視角數據集；基于高信度深層特征的特征對比學習法，選擇出基礎類別和小樣本類別的高信度特征并構建損失函數，實現類內與類間的特征對比學習；基于元學習的模型參數訓練法，分別計算基礎類別與小樣本類別損失值對應的梯度，并回傳更新小樣本目標檢測模型的參數。本發明通過構建多視角數據集與使用基于元學習的模型參數訓練法，在模型微調階段根據多視角的遷移特征信息，做出促進或抑制模型學習的判斷，有效地解決基礎類別的特征遺忘問題與小樣本類別的過擬合問題。

本發明授權基于多視角學習與元學習的小樣本目標檢測方法在權利要求書中公布了：1.基于多視角學習與元學習的小樣本目標檢測方法，其特征在于，包括下述步驟：構建小樣本目標檢測模型，采用兩階段訓練方式的小樣本目標檢測模型作為目標檢測器；所述的兩階段訓練方式分為預訓練階段與模型微調階段，所述預訓練階段與模型微調階段所使用的訓練集不同，預訓練階段使用所有基礎類別樣本，讓模型在大量基礎類別樣本中學習到圖像的普遍特征；在模型微調階段，模型將學習到的基礎類別樣本的特征遷移至小樣本類別的特征學習上；所述目標檢測器包括主干網絡、候選框提取器、候選框池化層、候選框特征卷積層、回歸器、分類器和高信度特征對比學習器；基于多視角學習的類間樣本對采樣法，采用類別平衡的原則，將基礎類別數據集劃分為多個基礎類別子數據集，每個子數據集中的樣本數目與小樣本類別樣本數相等，分別組合每個基礎類別子數據集和小樣本類別樣本，得到多個組合后的單視角混合數據集，即多視角數據集；基于高信度深層特征的特征對比學習法，在小樣本目標檢測模型微調階段，將多視角數據集輸入小樣本目標檢測模型，高信度特征對比學習器選擇出基礎類別和小樣本類別的高信度特征，根據高信度特征之間的歐式距離構建損失函數，實現基礎類別和小樣本類別的類內與類間的特征對比學習；基于元學習的模型參數訓練法，在小樣本目標檢測模型微調階段，將多視角數據集輸入小樣本目標檢測模型，分別得到基礎類別與小樣本類別的損失值，計算損失值對應的梯度并回傳更新小樣本目標檢測模型的參數；所述基于多視角學習的類間樣本對采樣法，具體為：多視角數據集D由基礎類別數據集Dbase和小樣本類別數據集Dnovel構成，分別表示為： 其中，分別表示第i個基礎類別樣本和第j個小樣本類別樣本，x表示樣本，i,j表示樣本編號，base,novel分別表示基礎類別和小樣本類別，N1,N分別表示基礎類別樣本總數和小樣本類別樣本總數，且N1＞＞N；采用和分別表示第i個基礎類別和第j個小樣本類別，C表示類別，i,j表示樣本編號，base,novel分別表示基礎類別和小樣本類別；從基礎類別和小樣本類別中各采樣不同的N個樣本，得到M個基礎類別的子數據集與1個小樣本類別的數據集，將每個基礎類別的子數據集與小樣本類別數據集組合得到單視角的混合數據集，采樣完成后得到M個視角的多視角數據集，采用Dall表示多視角數據集，表示為：Dall＝{D1,D2,…,DM}其中，Di表示第i個視角的混合數據集；所述基于元學習的模型參數訓練法，具體為：在小樣本目標檢測模型微調階段，多視角數據集通過主干網絡、候選框池化層得到深層特征，進一步通過定位器、分類器與高信度特征對比學習器得到一個總損失值L；根據候選框的真實類別，損失值L劃分為基礎類別的損失值Lbase和小樣本類別的損失值Lnovel；先計算基礎類別損失值Lbase的梯度并回傳更新小樣本目標檢測模型的參數，再計算小樣本類別損失值Lnovel的梯度并回傳更新小樣本目標檢測模型的參數，參數更新公式具體為： θi＝θi-1+γ·θi,2-θi-1其中，θi表示第i步迭代的小樣本目標檢測模型參數值，α和γ分別表示小樣本目標檢測模型參數學習率和參數變化量學習率，θi,1表示θi-1經過Lbase的梯度回傳更新的小樣本目標檢測模型的參數，θi,2表示θi,1經過Lnovel的梯度回傳更新的小樣本目標檢測模型的參數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中山大學，其通訊地址為：510275 廣東省廣州市海珠區新港西路135號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。