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！

龙图腾网获悉宜宾电子科技大学研究院申请的专利一种基于小样本学习互相关网络的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：CN116403029B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202310287429.2，技术领域涉及：G06V10/764；该发明授权一种基于小样本学习互相关网络的图像分类方法是由陈飞宇;陈得荣;何鸿才;曾向强;邵杰设计研发完成，并于2023-03-23向国家知识产权局提交的专利申请。

本一种基于小样本学习互相关网络的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小样本学习互相关网络的图像分类方法，包括：利用嵌入网络提取支持集图像的第一多级特征和查询集图像的第二多级特征；利用相关单元将第一多级特征和第二多级特征进行处理，得到初始互相关信息；利用互相关模块对初始互相关信息进行信息提炼，得到提炼后的互相关信息；对提炼后的互相关信息进行均值操作，得到支持集图像和查询集图像的相关信息；根据相关信息计算支持集图像的第一张量和查询集图像的第二张量；利用第一张量和第二张量，得到支持集图像的第一关系特征和查询集图像的第二关系特征；根据支持集中所有图像的第一关系特征和查询集中所有图像的第二关系特征，将查询集图像分配给距离其最近的支持集图像特征的类别。

本发明授权一种基于小样本学习互相关网络的图像分类方法在权利要求书中公布了：1.一种基于小样本学习互相关网络的图像分类方法，其特征在于，所述基于小样本学习互相关网络的图像分类方法包括： S1：利用嵌入网络提取支持集图像的第一多级特征和查询集图像的第二多级特征； S2：利用相关单元将所述第一多级特征和所述第二多级特征进行处理，得到初始互相关信息； S3：利用互相关模块对所述初始互相关信息进行信息提炼，得到提炼后的互相关信息； S4：对所述提炼后的互相关信息进行均值操作，得到所述支持集图像和所述查询集图像的相关信息； S5：根据所述相关信息计算所述支持集图像的第一张量和所述查询集图像的第二张量； S6：利用所述第一张量和所述第二张量，得到所述支持集图像的第一关系特征和所述查询集图像的第二关系特征； S7：根据支持集中所有图像的第一关系特征和查询集中所有图像的第二关系特征，将所述查询集图像分配给距离其最近的支持集图像特征的类别； 所述S1中，所述第一多级特征为： 所述第二多级特征为： 其中，为第一多级特征的第l级特征，R为实数集，L表示多级特征的层数，h为第一多级特征的第一维的维度，w为第一多级特征的第二维的维度，为第一多级特征的通道维度，l为1到L之间的数，为第二多级特征的第l级特征，为第二多级特征的第一维的维度，为第二多级特征的第二维的维度，和分别表示支持集图像基础特征的维度和查询集图像基础特征的维度； 所述S3中，所述互相关模块包括依次设置的LN单元、Intra-Correlation单元、第一LNamp;MLP单元、Inter-Correlation单元和第二LNamp;MLP单元； 所述LN单元用于使网络的中间层的输出具有相同的均值和方差； 所述Intra-Correlation单元用于探索多级互相关信息的每个层级内的相关性； 所述Inter-Correlation单元用于探索多级互相关信息的每个层级间的相关性； 所述第一LNamp;MLP单元和所述第二LNamp;MLP单元用于缓解多层自注意力结构堆叠后网络表达能力降低的问题； 所述互相关模块采用自注意力机制且为两个，前一个所述互相关模块的输出结果作为后一个所述互相关模块的输入； 两个所述互相关模块构造为同样的结构。

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宜宾电子科技大学研究院，其通讯地址为：644000 四川省宜宾市三江新区长江北路西段附二段430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”。

以上内容由龙图腾AI智能生成。