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！

龙图腾网获悉湖南大学申请的专利一种基于聚类的小样本图像分类对比学习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：CN115170868B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202210692889.9，技术领域涉及：G06V10/764；该发明授权一种基于聚类的小样本图像分类对比学习方法是由袁进;黄淑茵设计研发完成，并于2022-06-17向国家知识产权局提交的专利申请。

本一种基于聚类的小样本图像分类对比学习方法在说明书摘要公布了：本发明公开了一种基于聚类的小样本图像分类两阶段元学习方法，将聚类与对比学习应用到小样本图像分类中，包括以下步骤：步骤1：确定小样本数据集，对小样本图像数据聚类；步骤2：二阶段元学习网络结构设计；步骤3：损失函数设计；步骤4：将聚类后的图片输入二阶段元学习网络对比训练；步骤5：利用训练好的二阶段模型对新类图像进行特征提取；步骤6：基于多特征计算图像相似度输出分类结果；通过将聚类和二阶段元学习网络对比训练引入小样本学习，使得网络能更好地提取图像的可区分性特征；网络结构上，增加了共性特征提取网络与个性特征提取网络，采用三重损失函数训练，更细粒度地区分相似样本，提升目前小样本图像识别的准确率。

本发明授权一种基于聚类的小样本图像分类对比学习方法在权利要求书中公布了：1.一种基于聚类的小样本图像分类对比学习方法，其特征在于，将聚类与对比学习应用到小样本图像分类中，包括以下步骤： 步骤1：确定小样本数据集，对小样本图像数据聚类； 步骤2：二阶段元学习网络结构设计； 步骤3：损失函数设计； 步骤4：将聚类后的图片输入二阶段元学习网络对比训练； 步骤5：利用训练好的二阶段模型对新类图像进行特征提取； 步骤6：基于多特征计算图像相似度输出分类结果； 步骤2中，卷积神经网络以Resnet-12为主要结构提取图片特征；在此基础上设计共性特征网络与个性特征网络，共性特征网络旨在学习同一聚类内不同类别图像的共性特征，个性特征网络旨在学习不同类别图像之间的可区分性个性特征，从而得到两组不同类型的特征，为细粒度图像分类提供强大的特征支持； 步骤4中，相比于传统的单阶段元学习训练模式，采用双阶段的对比训练方式，其中： 第一阶段，包括：对聚类后的基类数据集小样本图像输入Resnet-12基础特征提取网络，再经过共性特征网络和个性特征网络得到的相应的共性特征与个性特征，分别利用分类器将图像特征映射为分类标签计算损失函数；其中，Resnet-12与共性特征网络部分用的是交叉熵损失函数，个性特征网络用的是交叉熵损失函数和三重损失函数； 第二阶段与第一阶段在区别在于：将聚类后的基类数据集小样本图像分为支持集和查询集，两者进行对比学习；融合后的特征利用分类器根据支持集和查询集的余弦相似度计算交叉熵损失；二阶段对比训练的方法相较于单阶段训练，能够更好地识别图像差异性的特征； 所述余弦相似度表达式为： ； 其中、分别为支持集、查询集样本的特征向量。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路2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。