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！

龙图腾网获悉中国石油大学(华东)申请的专利应用于小样本图像分类的基于融合自监督的特征提取器的生成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：CN114758169B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202210328266.3，技术领域涉及：G06V10/764；该发明授权应用于小样本图像分类的基于融合自监督的特征提取器的生成方法及装置是由刘宝弟;兴雷;邵帅;刘伟锋;袁新安;李伟;葛新民设计研发完成，并于2022-03-31向国家知识产权局提交的专利申请。

本应用于小样本图像分类的基于融合自监督的特征提取器的生成方法及装置在说明书摘要公布了：本发明涉及模式识别技术领域，尤其涉及一种应用于小样本图像分类的基于融合自监督的特征提取器的生成方法及装置，旨在解决现有的特征提取器采用单一的自监督方法，容易引起归纳偏差的问题。该基于融合自监督的特征提取器的生成方法及装置，提出了一种新的自监督学习方法‑融合自监督学习，通过两种自监督机制分别训练特征提取器，得到基于旋转的自监督特征提取器和基于镜像的自监督特征提取器，从而挖掘更多有意义的信息；通过多个维度对两个特征提取器即基于旋转的自监督特征提取器和基于镜像的自监督特征提取器进行学习，融合得到最终的特征提取器，减少单一自监督方法引起的表征偏差，丰富和加强表征信息，为下游分类任务提供强大的特征表示，有利于提高小样本图像分类的准确性和可靠性。

本发明授权应用于小样本图像分类的基于融合自监督的特征提取器的生成方法及装置在权利要求书中公布了：1.一种应用于小样本图像分类的基于融合自监督的特征提取器的生成方法，其特征在于，所述方法包括： 使用resnet-12网络作为特征提取网络，设计基于旋转的自监督特征提取器fRFE·，其中，基于旋转的自监督特征提取器fRFE·的自监督损失函数LRFE为： LRFE＝Lc+Lr 其中，Lc表示标准分类损失；Lr表示辅助旋转损失； 其中，标准分类损失Lc为： 其中，c表示第c类样本；yc,x表示样本真实标签；pc,x表示样本的预测标签属于第c类的概率； 其中，辅助旋转损失Lr为： 其中，r＝{0°,90°,180°,270°}表示以不同角度旋转的样本标签；yr,x表示真值标签；pr,x表示样本的预测标签属于第r类的概率； 使用resnet-12网络作为特征提取网络，设计基于镜像的自监督特征提取器fMFE·，其中，基于镜像的自监督特征提取器fMFE·的自监督损失函数LMFE为： LMFE＝Lc+Lm 其中，Lc表示标准分类损失；Lm表示辅助镜像损失； 其中，辅助镜像损失Lm为： 其中，m表示m类数据，m＝{水平镜像、垂直镜像、对角镜像}；ym,x表示真值标签；pm,x表示样本的预测标签属于第m类的概率； 通过多个维度对两个特征提取器即基于旋转的自监督特征提取器和基于镜像的自监督特征提取器进行学习，融合得到最终的特征提取器h·，其中，h·的训练损失函数即多维融合损失函数为： LMDF＝αLFA+βLSA+γLLA 其中，LFA表示特征对齐损失；LSA表示语义对齐损失；LLA表示标签对齐损失；α、β和γ表示超参数； 所述特征对齐损失LFA为： LFA＝||hx-fRFEx||2+||hx-fMFEx||2 其中，hx，fRFEx和fMFEx分别表示由h·、fRFE·和fMFE·获得的样本x的特征；||·||2表示·的2范数正则化； 所述语义对齐损失LSA为： 其中，i表示第i类样本； 分别表示fRFEx，fMFEx，hx在蒸馏温度T下的softmax输出； 所述标签对齐损失LLA为： 其中，i表示第i类样本；yi,x表示样本真实标签；pi,x表示样本的预测标签属于第i类的概率。

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中国石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66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”。