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！

龙图腾网获悉华中科技大学申请的专利一种少样本红外目标检测方法、装置和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：CN116363469B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310336246.5，技术领域涉及：G06V10/80；该发明授权一种少样本红外目标检测方法、装置和系统是由黎云;王浩铭;张熠;杨卫东设计研发完成，并于2023-03-31向国家知识产权局提交的专利申请。

本一种少样本红外目标检测方法、装置和系统在说明书摘要公布了：本发明公开了一种少样本红外目标检测方法、装置和系统，属于少样本图像识别技术领域，利用基类预训练数据集和少样本微调数据集训练得到少样本微调模型，少样本微调模型包括：域适应特征提取模块、查询特征支撑特征融合模块和Transformer模块；将当前红外图像输入训练好的少样本微调模型，利用域适应特征提取模块提取域相关特征适应红外场景，利用查询特征支撑特征融合模块基于元学习进行特征融合适应少样本场景，利用基于全局注意力机制的Transformer模块获得当前红外图像的全局特征图，从而实现目标主体识别，在少样本场景下能够准确实现红外目标检测，由此解决现有少样本场景下目标检测计算复杂度低且准确率低的技术问题。

本发明授权一种少样本红外目标检测方法、装置和系统在权利要求书中公布了：1.一种少样本红外目标检测方法，其特征在于，包括： S1：获取基类预训练数据集和少样本微调数据集，所述基类预训练数据集包括多个可见光图像，所述少样本微调数据集包括：若干红外图像和所述基类预训练数据集中的部分可见光图像； S2：利用所述基类预训练数据集对初始目标检测网络进行训练，得到基类预训练模型；利用所述少样本微调数据集对所述基类预训练模型进行训练，得到少样本微调模型； 其中，所述少样本微调模型包括：域适应特征提取模块、查询特征支撑特征融合模块和Transformer模块；所述域适应特征提取模块用于提取输入的查询集图像和支撑集图像的特征，得到查询特征和支撑特征；所述查询特征支撑特征融合模块用于通过元学习方法适应少样本场景，将所述查询特征和支撑特征进行聚合，得到融合特征；所述Transformer模块用于对所述融合特征进行编码解码处理，得到所述查询集图像对应的目标特征，所述目标特征图携带目标主体的位置信息和类别信息； S3：将所有类支撑集和当前红外图像对应的查询集图像输入所述少样本微调模型，得到所述当前红外图像对应的所述目标特征图，从中获得所述当前红外图像中目标主体的位置信息和类别信息； 所述Transformer模块包括： 编码器单元包括多个级联的第一子层，每个所述第一子层包括一个多头自注意力和一个前馈网络，相邻所述第一子层由残差连接，所述编码器单元用于输入所述融合特征及其对应的位置编码，输出得到编码特征； 解码器单元，包括多个级联的第二子层，每个所述第二子层包括两个多头自注意力和一个前馈网络，相邻所述第一子层由残差连接，所述解码器单元用于输入所述编码特征，输出所述查询集图像对应的目标特征； 所述初始目标检测网络的总损失函数包括：二分匹配损失、附加损失、支撑集类别损失和边界损失；所述总损失函数表示为：；与为预设的权重超参数； 所述边界损失表示为： ； 其中，N为类别总数；表示第i个类别对应的内部距离，；表示第i个类别对应的类别间距离，；表示类别i的第k个原型向量，其平均原型表示为，表示类别j的平均原型。

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中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。