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！

龙图腾网获悉西北工业大学申请的专利基于两阶段因果干预的小样本目标识别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：CN116665039B 。

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：202310423390.2，技术领域涉及：G06V20/10；该发明授权基于两阶段因果干预的小样本目标识别方法是由耿杰;马伟晨;蒋雯设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本基于两阶段因果干预的小样本目标识别方法在说明书摘要公布了：本发明公开了一种基于两阶段因果干预的小样本目标识别方法，包括：步骤一、构建并利用因果干预方法预训练小样本目标识别深度网络模型；步骤二、利用训练后的目标识别深度网络模型提取混淆因子和目标特征；步骤三、对支持集目标特征因果干预；步骤四、计算和修正距离矩阵并优化网络模型；步骤五、得到最终的小样本目标识别网络模型。本发明利用因果干预优化了迁移式小样本目标识别方法的模型预训练过程，削弱了混淆因子与目标特征的虚假关联，并充分考虑了不同分布下混淆因子与目标特征的对齐关系，对基域目标特征进行反事实，便于不同域目标特征的距离度量，提升了小样本条件下目标识别的分类精度和鲁棒性。

本发明授权基于两阶段因果干预的小样本目标识别方法在权利要求书中公布了：1.基于两阶段因果干预的小样本目标识别方法，其特征在于：包括以下步骤: 步骤一、构建图像目标识别深度网络模型，并利用基础类别数据集预训练网络模型； 步骤101、利用变分后门校正改变模型训练的目标函数：构建因果图，C→X，C→Y，X→Y，其中C表示混淆因子，X表示输入图片，Y表示对该图片的预测结果；通过do算子切断C→X的关联，经后门校正公式得到因果干预后的模型输出其中利用变分推断引入新的分布QC|X作为给定图片输入时对隐变量的概率估计，目标函数改为模型输出的证据下界，即 步骤102、获取数据输入，并建模数据中的混淆因子C； 步骤103、使用伪变分后验概率得到混淆因子的分布 步骤104、根据数据输入和混淆因子，利用因果干预后的概率分布PθY|doX＝x训练并优化深度网络模型； 步骤二、利用预训练后的目标识别深度网络分别提取支持集和查询集的混淆因子和目标特征：支持集和查询集的混淆因子特征表达式为目标特征表达式为通过混淆因子修正后的目标特征表达式为 步骤三、对支持集数据的目标特征进行因果干预： 步骤301、从步骤二中得到支持集和查询集的混淆因子Cs和Cq，以支持集混淆因子为基础生成新的混淆因子Cq′； 步骤302、利用新的混淆因子Cq′对支持集的目标特征进行反事实，可得到反事实后的支持集目标特征为 步骤四：计算并修正距离矩阵，得到分类结果后优化网络模型： 步骤401、计算反事实后的N个类别原型其中M表示第i个类别中包含M个特征向量，利用余弦距离度量N个类别原型clsi与K个查询集目标特征F之间的距离，其中·,·〉表示向量内积，可以得到维度为N×K的距离矩阵D1； 步骤402、计算未经反事实的N个类别原型其中M表示第i个类别中包含M个特征向量，利用余弦距离度量N个反事实后的类别原型与K个查询集未经混淆因子修正的目标特征Fc之间的距离，其中·,·表示向量内积，可以得到维度为N×K的距离矩阵D2； 步骤403、根据公式Dout＝λ·D1+1-λ·D2得到最终修正后的距离矩阵Dout，然后获得查询集的目标识别结果； 步骤404、根据目标识别结果计算交叉熵损失，更新优化深度网络模型参数； 步骤五：得到最终的小样本目标识别网络模型。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。