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！

龙图腾网获悉中国科学技术大学申请的专利一种基于相似度特征融合的小样本图像分类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：CN115965818B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310032701.2，技术领域涉及：G06V10/764；该发明授权一种基于相似度特征融合的小样本图像分类方法是由何向南;王硕;卢金达;郝艳宾设计研发完成，并于2023-01-10向国家知识产权局提交的专利申请。

本一种基于相似度特征融合的小样本图像分类方法在说明书摘要公布了：本发明公开了一种基于相似度特征融合的小样本图像分类方法，包括如下步骤：步骤一：对输入图像进行特征提取；步骤二：文本端相似度关系抽取；步骤三：样本间相似度关系抽取；步骤四：基于文本相似度的特征融合；步骤五：基于样本相似度的特征融合；步骤六：多阶段特征融合；步骤七：模型训练与测试。本发明基于样本与类别之间的相似性，通过对输入小样本图像特征与基础类别的自然图像特征进行特征融合，能够提升小样本图像特征的多样性，并完善小样本图像的类别表述，从而帮助分类器提升对小样本图像的响应能力，提升小样本图像分类的准确度。

本发明授权一种基于相似度特征融合的小样本图像分类方法在权利要求书中公布了：1.一种基于相似度特征融合的小样本图像分类方法，其特征是按以下步骤进行： 步骤1、输入图像的特征提取： 步骤1.1、获取自然图像集合并输入预训练的CNN模型中进行特征提取，得到自然图像的特征表示及其基础类别集合，记为其中，表示第i个自然图像的特征表示，且d表示特征表示的维度，表示第i个自然图像所属的基础类别，且Cbase表示自然图像集合的基础类别集合，|Cbase|表示自然图像集合的基础类别数量，Nbase表示每个基础类别中的自然图像数量； 步骤1.2、获取另一图像样本集合并输入所述预训练的CNN模型中进行特征提取，得到图像样本的特征表示及其支持类别集合，记为其中，表示第j个图像样本的特征表示，且 表示第j个图像样本所属的支持类别，且Cnovel表示图像样本的支持类别集合，且满足Cnovel∩Cbase＝φ，|Cnovel|表示图像样本的支持类别数量，Nnovel表示每个支持类别中的图像样本数量； 步骤2：文本端相似度关系抽取： 步骤2.1、使用预训练的词嵌入模型提取基础类别集合Cbase中各基础类别的文本信息的向量表示其中，表示第k个基础类别的文本信息的向量表示，t表示向量表示的维度； 步骤2.2、使用所述预训练的词嵌入模型提取支持类别集合Cnovel中各支持类别的文本信息的向量表示其中，表示第s个支持类别的文本信息的向量表示， 步骤2.3、使用式1计算第s个支持类别的文本信息的向量表示与第i个基础类别文本信息的向量表示之间的距离并作为第s个支持类别与一个基础类别的文本端相似度关系，从而得到第s个支持类别与所有基础类别之间文本端相似度关系向量 式1中，表示与的向量内积，与分别表示与的L2范式； 步骤3：样本间相似度关系抽取： 使用式2计算第j个图像样本的特征表示与第i个自然图像的特征表示之间的距离并作为第j个图像样本与一个自然图像间相似度关系，从而得到第j个图像样本与所有自然图像之间的样本相似度关系向量 式2中，表示与的向量内积，与分别表示与的L2范式； 步骤4：基于文本相似度的特征融合，并生成融合后的特征 步骤5：基于样本相似度的特征融合，并生成融合后的特征 步骤6：多阶段特征融合，并生成融合后的特征 步骤7：模型训练与测试： 步骤7.1、依据所述特征提取模块，对基础样本集合与支持集合提取图像的特征表示，由所述基于文本相似度的特征融合、基于样本相似度的特征融合与多阶段特征融合构成相似度特征融合模块，对支持样本按照特征融合方式的选择进行特征融合，得到融合后的样本 步骤7.2、利用式3构建损失函数L； 式3中，LCE表示交叉熵损失，Γ表示分类器，λ为特征融合时的调和因子；表示支持样本的类别，且与融合后的样本的类别一致； 步骤7.3、利用梯度下降算法训练所述分类器Γ，并计算损失函数L，以更新分类器Γ的参数，当训练迭代次数达到设定的次数时，停止训练，得到训练后的分类器Γ*，用于预测新图像样本的类别。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。