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！

龙图腾网获悉深圳职业技术学院申请的专利一种基于语义知识图传播的零试学习方法及装置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：CN115456105B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202211181221.4，技术领域涉及：G06V10/774；该发明授权一种基于语义知识图传播的零试学习方法及装置是由薛元飞;赵卓麟;张海刚设计研发完成，并于2022-09-27向国家知识产权局提交的专利申请。

本一种基于语义知识图传播的零试学习方法及装置在说明书摘要公布了：本申请属于机器学习技术领域，公开了一种基于语义知识图传播的零试学习方法及装置。通过在ImageNet数据集中获取可见样本数据和未见样本数据，基于CNN模型，修改成本函数和聚合损失函数，对模型进行训练，得到训练好的CNN模型；基于GCN模型，设置优化函数，将特征约束项添加到所述优化函数，得到CGCN模型，采用自监督模式对所述CGCN模型进行训练，得到训练好的CGCN模型；基于AE模型，基于匹配损失函数和受约束的损失函数设置最终损失函数，基于最终损失函数对AE模型进行训练，得到训练好的AE模型。实现缓解零试学习过程中的分布漂移问题，提高了零试学习模型验证的准确率。

本发明授权一种基于语义知识图传播的零试学习方法及装置在权利要求书中公布了：1.一种基于语义知识图传播的零试学习方法，其特征在于，所述方法包括： 在ImageNet数据集中获取可见样本数据和未见样本数据，其中可见样本数据和未见样本数据为图像数据； 构建视觉特征提取模型：基于CNN模型，修改CNN模型的成本函数，基于CNN模型对未见样本数据的预测输出设置CNN模型的聚合损失函数，将可见样本数据和对应标签，未见样本数据输入到所述CNN模型进行训练学习，输出可见样本数据和未见样本数据的视觉特征，待CNN模型学习训练到输出结果达到预设精度，得到训练好的CNN模型； 构建语义特征提取模型：基于GCN模型，消除GCN模型消息传输中的非线性操作，设置GCN模型的优化函数，将特征约束项添加到所述优化函数，得到CGCN模型，采用自监督模式对所述CGCN模型进行训练，得到训练好的CGCN模型，CGCN模型的输入数据为由可见样本数据和未见样本数据的类别构成的图结构网络，其中节点代表类别信息，边代表类别之间的相互关系，CGCN模型的输出数据为语义特征； 构建特征映射模型：基于AE模型，基于可见样本数据的监督训练策略设置所述AE模型的匹配损失函数，基于对未见样本数据的映射限制设置所述AE模型的受约束的损失函数，基于所述匹配损失函数和所述受约束的损失函数得到所述AE模型的最终损失函数，基于所述最终损失函数对所述AE模型进行训练，得到训练好的AE模型； 使用所述训练好的CNN模型、训练好的CGCN模型和训练好的AE模型来对待验证样本进行类别验证，其中包括： 将待验证样本输入训练好的CNN模型中得到所述待验证样本的视觉特征； 将所述视觉特征输入到所述训练好的AE模型中得到所述待验证样本的语义特征； 将未见样本数据输入训练好的CGCN模型中得到所述未见样本数据的语义特征，将所述语义特征输入到AE模型； 在AE模型中，计算所述待验证样本的语义特征与所述未见样本的语义特征的距离，选取距离最小的未见样本对应的类别作为待验证样本的类别，所述AE模型的匹配损失函数L1为： L1＝min{||Vin-Vout||2+||Sgt–Sout||2}， 其中，V表示视觉特征，S表示语义特征，Sgt表示语义知识图谱的CGCN输出，Sout表示AE模型的中间嵌入，Vin表示AE模型中的视觉特征输入，Vout表示AE模型中的视觉特征输出； 所述受约束的损失函数L2为： 其中表示语义KG中第i个不可见类的CGCN输出，是AE模型中不可见视觉特征的中间嵌入。

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深圳职业技术学院，其通讯地址为：518000 广东省深圳市南山区西丽街道西丽湖镇西丽湖畔；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。