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！

龙图腾网获悉北京环境特性研究所申请的专利空间目标的小样本识别方法、装置、计算设备及存储介质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：CN116258909B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202310256467.1，技术领域涉及：G06V10/764；该发明授权空间目标的小样本识别方法、装置、计算设备及存储介质是由冯雪健;霍超颖;朱晨曦;殷红成设计研发完成，并于2023-03-16向国家知识产权局提交的专利申请。

本空间目标的小样本识别方法、装置、计算设备及存储介质在说明书摘要公布了：本发明涉及数据处理技术领域，特别涉及一种空间目标的小样本识别方法、装置、计算设备及存储介质。方法包括：获取初始训练集和测试集；将初始训练集输入至预先构建的神经网络，得到初始识别模型和训练样本的深层降维特征；针对每一个测试样本均执行：将当前测试样本输入至初始识别模型，以基于聚类方法、训练样本的深层降维特征和当前测试样本的深层降维特征，判断当前测试样本是否扩充至初始训练集；若是，则基于当前测试样本的识别结果和判断结果，对初始识别模型进行二次训练；若否，则判断下一个测试样本，直至得到最终的训练集、目标识别模型和测试样本的识别结果。本方案可以有效提高小样本情形下空间目标的识别准确率。

本发明授权空间目标的小样本识别方法、装置、计算设备及存储介质在权利要求书中公布了：1.一种空间目标的小样本识别方法，其特征在于，包括： 获取初始训练集和测试集；其中，所述初始训练集包括空间目标的若干个训练样本和每一个所述训练样本的类别标签，所述测试集包括空间目标的若干个测试样本； 将所述初始训练集输入至预先构建的神经网络，以对所述神经网络进行初始训练，得到初始识别模型和所述训练样本的深层降维特征； 针对每一个所述测试样本，均执行：将当前测试样本输入至所述初始识别模型，以基于聚类方法、所述训练样本的深层降维特征和当前测试样本的深层降维特征，判断当前测试样本是否扩充至所述初始训练集； 若是，则基于当前测试样本的识别结果和判断结果，对所述初始识别模型进行二次训练； 若否，则将下一个测试样本作为新的当前测试样本，跳转执行所述将当前测试样本输入至所述初始识别模型； 得到最终的训练集、目标识别模型和每一个所述测试样本的识别结果； 所述基于聚类方法、所述训练样本的深层降维特征和当前测试样本的深层降维特征，判断当前测试样本是否扩充至所述初始训练集，包括： 基于聚类方法，对所述训练样本的深层降维特征进行聚类，得到每一个类别的中心点的位置以及每一个类别的平均距离；其中，所述平均距离为该类别中所有训练样本到该类别的中心点的距离的平均值； 基于当前测试样本的深层降维特征，计算当前测试样本到各类别的中心点的距离； 基于每一个类别的所述平均距离和当前测试样本到各类别的中心点的距离，判断当前测试样本是否扩充至所述初始训练集； 所述基于每一个类别的所述平均距离和当前测试样本到各类别的中心点的距离，判断当前测试样本是否扩充至所述初始训练集，包括： 比较当前测试样本到每一个类别的中心点的距离，将最小的距离对应的类别确定为当前测试样本的目标类别； 基于所述目标类别对应的所述平均距离，确定所述目标类别的距离阈值； 当当前测试样本到所述目标类别的中心点的距离小于等于所述距离阈值时，基于所述目标类别生成当前测试样本的目标标签，并将当前测试样本和所述目标标签扩充至所述初始训练集。

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北京环境特性研究所，其通讯地址为：100854 北京市海淀区永定路50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。