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一种基于对比学习的零样本图像分类网络及深度学习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：CN115641582B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202211298406.3，技术领域涉及：G06V20/70；该发明授权一种基于对比学习的零样本图像分类网络及深度学习方法是由张鼎文;程德;彭春蕾;王格荣;韩军伟设计研发完成，并于2022-10-23向国家知识产权局提交的专利申请。

本一种基于对比学习的零样本图像分类网络及深度学习方法在说明书摘要公布了：本发明涉及一种基于对比学习的零样本图像分类网络及深度学习方法，设计的模型包括语义属性的对比学习嵌入、学生模型和教师模型的一致性约束以及原型模块三个部分。其中语义属性的对比学习嵌入部分从实例级监督和类别级监督两个层上面着手，在正负样本的预测语义属性上以及正负类别的预测语义属性上进行对比学习。一致性约束部分引入了MeanTeacher机制，将采用不同数据增强的图像输入给学生模型和教师模型，再通过让二者输出结果趋于一致来对模型增强约束。原型模块在学生模型和教师模型内部，通过属性原型向量的学习将视觉特征转换为预测属性得分。

本发明授权一种基于对比学习的零样本图像分类网络及深度学习方法在权利要求书中公布了：1.一种基于对比学习的零样本图像分类网络及深度学习方法，其特征在于步骤如下： 步骤1：将图像x输入残差网络101特征提取网络得到视觉特征fx∈RH*W*C，其中H、W和C分别代表特征的高度、宽度以及通道数； 步骤2：将视觉特征fx输入到由上下两个分支特征构成的特征处理网络，所述特征处理网络的上分支以原型模块构成，下分支以全局平均池化模块构成； 输入视觉特征fx经过原型模块输出图像样本预测的类别属性得到正样本的语义属性预测，以及负样本的语义属性预测； 视觉特征fx经过全局平均池化层得到全局特征gx，全局特征通过线性层映射到类属性空间，将映射后的全局特征与数据集包含的所有类属性进行点积计算得到类嵌入，类嵌入指利用神经网络将高维表示空间，映射到一个低维分布式空间； 其中特征处理网络中以原型模块构成的上分支，输出图像样本预测的类别属性得到正样本的语义属性预测，以及负样本的语义属性预测； 步骤3：对于每一个属性，进行局部特征fi,jX与属性原型pa的内积运算，局部特征fi,jX表示在fx空间位置i，j的特征，获取到每一个属性的相似度图Ma∈RH*W,通过最大化第a个属性的相似度图的值，获取到输入图像的第a个属性的属性预测得分； 步骤4：采用分类网络进行分类 以属性预测得分最高的类嵌入作为输入图像的类别 其中gxT为gx的转置矩阵，为测试类对应的真值类属性向量，为预测类别，V表示映射矩阵，γ是超参数； 当是已知类时，函数I＝1,当是未知类是，I＝0，上述公式演变为： 已知类表示在推理阶段出现得类别。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；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”。