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！

龙图腾网获悉中山大学申请的专利一种结合对比学习的少样本图像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：CN114022754B 。

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：202111365133.5，技术领域涉及：G06V20/00；该发明授权一种结合对比学习的少样本图像识别方法是由王青;张小雨;叶广智;吴贺丰设计研发完成，并于2021-11-17向国家知识产权局提交的专利申请。

本一种结合对比学习的少样本图像识别方法在说明书摘要公布了：本发明公开了一种结合对比学习的少样本图像识别方法，涉及机器学习技术领域，用的技术方案如下：一种结合对比学习的少样本图像识别方法，包括以下步骤：S1.给定标注的数据集和未标注的数据集，将所述标注的数据集按类别划分为基础类数据集和少样本类数据集；S2.通过所述的未标注的数据集和基础类数据集训练MOCO模型，得到受预训练的MOCO模型；S3.通过对比学习框架对所述受预训练的MOCO模型进行进一步微调训练；S4.通过所述MOCO模型对所述的少样本类数据集中的目标进行分类识别，解决了现有技术对少样本数据识别效果差，预处理工作成本过高等问题，提出提供了一种结合对比学习的少样本图像识别方法，其具有简单实用，精度高，成本低的特点。

本发明授权一种结合对比学习的少样本图像识别方法在权利要求书中公布了：1.一种结合对比学习的少样本图像识别方法，其特征在于：包括以下步骤： S1.给定标注的数据集和未标注的数据集，将所述标注的数据集按类别划分为基础类数据集和少样本类数据集； S2.通过所述的未标注的数据集和基础类数据集训练MOCO模型，得到受预训练的MOCO模型； S201.采集所述未标注的数据集中的图像； S202.在编码器模块中定义编码器为，对应的参数为； S203.对图像用编码器编码： ， 其中，； S204.得到编码后,通过一个多层感知机的投影层MLP： ； S205.队列模块通过将每轮训练得到的在本轮训练后加入一个队列，以“先入先出”的规则进行维护，保证该队列实时性，并在每轮训练时以该队列中保存的编码作为负样本进行训练； S3.通过对比学习框架对所述受预训练的MOCO模型进行进一步微调训练； S301.利用对比学习来扩充少样本类数据集中的目标； S302.将得到扩充后目标的第一编码通过多层感知机投影层MLP映射得到第二编码，并构造正样本类和负样本类； S303.将所述的负样本类和正样本类代入对比损失函数，并通过所述的对比损失函数进一步调节少样本类模型； S304.通过分类器对扩充后的目标进行分类识别； S305.将分类识别的结果代入分类损失函数,进一步调节所述的受预训练的MOCO模型； S4.通过所述MOCO模型对所述的少样本类数据集中的目标进行分类识别。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。