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！

龙图腾网获悉华东师范大学申请的专利基于元知识适应迁移网络的少样本遥感图像目标检测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：CN117058534B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202310838900.2，技术领域涉及：G06V20/10；该发明授权基于元知识适应迁移网络的少样本遥感图像目标检测方法是由姜宛玥;陈曦;刘敏;曹桂涛;齐洪钢;张舒淇设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本基于元知识适应迁移网络的少样本遥感图像目标检测方法在说明书摘要公布了：一种基于元知识适应迁移网络的少样本遥感图像目标检测方法，属于深度学习的目标检测领域。本发明针对现有少样本目标检测方法从少量样本中获取有效信息的能力受限，域转移，以及高相似度目标易造成误分类的问题，设计了一种新的少样本目标检测方法。包括：设计了一种空间频率联合增强模型，通过融合空间和频率域的信息来实现查询图像特征的双重增强；设计了一种自适应重加权损失函数，通过自适应地重塑新类别的标准交叉熵损失来增强有限样本场景中新类别检测的灵敏度；设计了一种相似度元损失函数，通过将支持图像集的归一化类相似性纳入到元损失函数中，并重新加权元损失以增强特征可辨别性。本发明用于少样本遥感图像目标检测。

本发明授权基于元知识适应迁移网络的少样本遥感图像目标检测方法在权利要求书中公布了：1.一种基于元知识适应迁移网络的少样本遥感图像目标检测方法，其特征在于基于通用目标检测器和空间频率联合增强模块组成的适应性元知识迁移网络检测器实现，包括两个训练阶段，完成两个训练阶段的训练后得到少样本遥感目标检测模型； 第一阶段：采用元学习框架训练通用目标检测器，通用目标检测器包括骨干网络和输出模块，采用基础类别数据集完成训练；所述基础类别数据集由样本图像组成； 对通用目标检测器的第一阶段训练包括：由基础类别数据集获得多个充分的学习任务数据集，每个学习任务数据集包括训练集和评估集；每个训练集包括所有基础类别数据的各一个实例对象图像，每个实例对象图像根据标签由样本图像中剪裁获得；每个评估集包括一张或多张样本图像； 采用学习任务数据集进行迭代训练和评估通用目标检测器，使骨干网络和输出模块学习到基于基础类别数据集的元级别知识，并能够在新检测任务上快速学习和泛化；所述元知识包括通用学习策略和特征表示； 第二阶段：采用元学习框架，在骨干网络和输出模块之间增加空间频率联合增强模块，构成适应性元知识迁移网络检测器；训练过程中的分类损失函数采用自适应重加权损失函数，元损失采用相似度元损失函数； 对适应性元知识迁移网络检测器的第二阶段训练包括：用于训练的第二阶段训练数据集中的图像数据类别包括基础类别和新颖类别；由第二阶段训练数据集获得多个少样本学习任务数据集；每个少样本学习任务数据集包括少样本支持图像集和少样本查询图像集；少样本支持图像集和少样本查询图像集中分别配置少样本第二阶段训练图像；少样本支持图像集中的数据类型包括所有基础类别和新颖类别；少样本查询图像集中包括新颖类别的少样本第二阶段训练数据； 采用少样本学习任务数据集对适应性元知识迁移网络检测器进行训练和评估，使第一阶段训练学习到的元级别知识快速的迁移到新颖类别的目标检测任务中； 每次迭代训练通过一个少样本学习任务数据集实现； 每次迭代训练的过程包括：采用骨干网络提取少样本支持图像集中每张支持图像的特征得到多通道支持图像特征图，再采用空间频率联合增强模块首先将多通道支持图像特征图进行通道压缩得到支持图像单通道特征图，再采用幂增强函数对支持图像单通道特征图进行特征值增强，得到支持图像单通道特征增强图； 采用骨干网络提取少样本查询图像集中一张查询图像的特征得到多通道查询图像特征图，再采用空间频率联合增强模块首先将多通道查询图像特征图进行通道压缩得到查询图像单通道特征图，再采用幂增强函数对查询图像单通道特征图进行特征值增强，得到查询图像单通道特征增强图； 将每张支持图像单通道特征增强图依次与查询图像单通道特征增强图相乘，得到每个类别的特征相关矩阵，使用softmax函数对特征相关矩阵进行归一化，得到每个类别的注意力权重；再将所有类别的注意力权重相加得到融合权重，再通过sigmoid函数激活，得到激活后融合权重； 将激活后融合权重与多通道查询图像特征图相乘，得到查询图像空域增强特征图； 对查询图像单通道特征图进行离散傅里叶变换得到查询图像频域图，再对查询图像频域图进行高通滤波得到查询图像频域增强图；查询图像频域增强图再经逆离散傅里叶变换得到查询图像频域增强特征图； 将多通道查询图像特征图、查询图像空域增强特征图和查询图像频域增强特征图加权相加得到查询图像空频双增强特征图； 再采用区域生成网络在查询图像空频双增强特征图上确定候选框，得到感兴趣区域，进而得到当前查询图像的分类结果和回归结果； 重复上述过程，得到少样本查询图像集中每一张查询图像的分类结果和回归结果； 在第二阶段中进行预设次数的迭代或满足预设的终止条件后，得到少样本遥感目标检测模型；在训练过程中，适应性元知识迁移网络检测器根据自适应重加权损失函数、回归损失函数和相似度元损失函数调整网络参数； 对于实时的包含新类别目标的检测任务，将第二阶段训练得到的网络参数作为少样本遥感目标检测模型的初始参数，在新类别目标检测任务的支持图像集上进行快速学习，实现对基础类别目标和新类别目标的检测。

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华东师范大学，其通讯地址为：200062 上海市普陀区中山北路3663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。