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！

龙图腾网获悉复旦大学申请的专利基于知识引导的小样本图像识别系统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：CN116152554B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202310058204.X，技术领域涉及：G06V10/764；该发明授权基于知识引导的小样本图像识别系统是由陈静静;卓林海;姜育刚设计研发完成，并于2023-01-16向国家知识产权局提交的专利申请。

本基于知识引导的小样本图像识别系统在说明书摘要公布了：本发明属于计算机技术领域，具体为基于知识引导的小样本图像识别系统。本发明系统包括基于知识引导的参数初始化模块以及小样本分类器训练模块。本发明先构建视觉以及语义知识图谱，之后通过参数初始化模块利用知识图谱将知识从预训练的分类器中迁移到小样本的数据集中，最终生成小样本分类器的初始化参数。之后小样本分类器训练模块利用得到的初始化参数初始化小样本分类器的参数，并在小样本数据集上训练得到小样本图像分类器，用于对小样本图像进行识别。本发明引入双流知识图谱能够提供更强的类别之间的联系，为小样本分类器提供更好的初始化参数，使分类器在样本较少的情况下快速收敛，从而提高分类器的分类性能。

本发明授权基于知识引导的小样本图像识别系统在权利要求书中公布了：1.一种基于知识引导的小样本图像识别系统，其特征在于，是采用深度学习技术的，包括两个模块：基于知识引导的分类器参数初始化模块，简称参数初始化模块，小样本分类器训练模块；由参数初始化模块利用知识图谱将知识从预训练的分类器中迁移到小样本的数据库中，生成小样本分类器的初始化参数；由小样本分类器训练模块利用得到的初始化参数初始化小样本分类器的参数，在小样本数据集上训练，得到小样本图像分类器，用于对小样本图像进行识别； 所述参数初始化模块中： 首先，分别构建视觉关系以及语义关系知识图谱，以建立预训练模型中的类别与待分类的小样本类别之间的联系；其中： 视觉关系知识图谱构建具体步骤如下： （1）以类别为单位，将小样本类别与源数据库中每个类别中的所有训练样本进行平均，提取到每个类别的视觉特征中心； （2）计算每个类别之间的余弦相似度； （3）用邻接矩阵表示知识图谱，设定阈值T v ，余弦相似度大于该阈值的两个类别被认为在视觉知识图谱上是有联系的，在邻接矩阵上相应位置标1表示； 语义关系知识图谱构建具体步骤如下： （1）计算两个类别在wordnet层级结构上的距离，距离以跳数表示，即某一个类别到其父亲或者儿子类别节点的距离为1，到其祖父或者孙子节点的距离为2； （2）用邻接矩阵表示知识图谱，设定阈值T s ，距离小于该阈值的两个类别被认为在语义知识图谱上是有联系的，在邻接矩阵上相应位置标1表示； 然后，采用视觉、语义双流图卷积网络模型，利用视觉以及语义的知识图谱将预训练双流图卷积网络模型中的知识迁移到小样本数据集中，并生成小样本分类器的初始化参数；具体步骤如下： （1）以类别为单位，将小样本类别与源数据库中每个类别中的所有训练样本进行平均，提取到每个类别的视觉特征中心；将每个类别名字的词向量作为类别的语义特征中心； （2）将所有类别的视觉特征中心以及语义特征输入视觉、语义双流图卷积网络中，用源数据集类别的分类器监督源数据类别节点的输出，用于监督的损失函数采用均方损失函数L； 所述双流图卷积神经网络，具体表达式如下： （1） 其中，σ为leakyReLU激活函数,l为图神经网络的层数，H （l+1） 为图神经网络第l层的输出，A S 为语义关系知识图谱的邻接矩阵，A V 为视觉关系知识图谱的邻接矩阵，H （1） 为当l不等于0时双流图卷积神经网络的输入，q （l,s） 为第l层双流图卷积神经网络中语义关系流图卷积神经网络的参数，q （l,v） 为为第l层双流图卷积神经网络中视觉关系流图卷积神经网络的参数，F S 为图卷积第0层的语义输入，具体为类别名字的词向量，F V 为图卷积第0层的视觉输入，具体为类别中所有训练样本的CLIP视觉特征的平均值； 损失函数L使用预训练的分类器参数与图卷积神经网络最后一层的输出的L2距离，具体计算数学公式如下： （2） 其中，m是源数据集中类别的总数，d为分类器的维度，为预训练的分类器参数，为图卷积网络最后一层的输出。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。