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！

龙图腾网获悉长春理工大学;中国人民解放军63869部队申请的专利基于任务驱动结构的多粒度图文原型匹配的小样本分类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：CN120932018B 。

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：202511171840.9，技术领域涉及：G06V10/764；该发明授权基于任务驱动结构的多粒度图文原型匹配的小样本分类方法是由葛微;王茜;于国栋;马元;张军;刘大鹍;李锐;邢健;王春阳;冯江海设计研发完成，并于2025-08-21向国家知识产权局提交的专利申请。

本基于任务驱动结构的多粒度图文原型匹配的小样本分类方法在说明书摘要公布了：本发明涉及小样本图像分类技术领域，具体为基于任务驱动结构的多粒度图文原型匹配的小样本分类方法；所述方法包括：构建支持集与查询集；将两者输入多粒度特征集提取网络，图像模态输入改进型ResNet12及嵌入的任务驱动映射器选择模块组成的多层级图像特征提取网络提取低、中、高层级图像特征；文本模态先后3次调用大语言模型LLM递进生成词级、句级、段落级语义描述，并结合文本编辑器形成多视角文本特征；图像与文本特征集输入语义图交互融合网络，通过节点与边构建、跨模态注意力、图卷积与门控机制实现多层级信息融合；融合特征经多粒度原型匹配网络计算各层匹配得分，从而进行分类预测，训练阶段采用多粒度复合加权损失函数优化模型性能。

本发明授权基于任务驱动结构的多粒度图文原型匹配的小样本分类方法在权利要求书中公布了：1.基于任务驱动结构的多粒度图文原型匹配的小样本分类方法，其特征在于，包括以下步骤： 步骤1，构建支持集与查询集：从公开的小样本图像数据集中抽取样本，按照比例将其划分为支持集和查询集； 步骤2，构建多粒度特征集提取网络，多粒度特征集提取网络包括多层级图像特征提取网络和多视角文本特征提取网络，分别将支持集和查询集输入多粒度特征集提取网络，图像模态输入多层级图像特征提取网络，该网络采用基于改进型ResNet12的深层特征编码器，通过对每个残差块后嵌入任务驱动映射器选择模块，逐级提取低、中、高三个粒度层级的图像特征，提取图像特征集；文本模态输入多视角文本特征提取网络，先后3次调用大语言模型LLM在逻辑、事实、情感多视角作用下递进生成词级、句级与段落级的多视角文本语义描述，再通过文本编辑器对生成文本进行结构优化与语义增强，形成三层级的文本特征集；其中残差块采用深度可分离卷积、组归一化、Switch激活函数组成，任务驱动映射器选择模块包含三种候选映射器，分别是空映射器、轻量级映射器和高表达力映射器，以及结构选择机制，任务驱动映射器选择模块可根据任务特性动态选择一个或多个适配映射器，且各映射器结构间相互独立，用于不同层级特征提取； 其中文本模态在生成多视角文本语义描述时，上轮生成的语义描述结果作为下轮语义引导的输入，随后利用语义一致性评分函数计算生成内容与类别标签的语义关联度，动态调整后续生成内容，使得语义描述在多层次上保持一致性和递进性，语义一致性评分函数具体表达式如下： ; 其中为当前轮生成文本，为类别标签，表示使用LLM将文本编码为语义描述向量，表示余弦相似度； 各层级生成融合逻辑、事实、情感多种视角，随后，引入文本编辑器对生成的各视角文本进行结构优化与语义增强，构建出高质量的多视角文本特征集合，作为后续图文融合模块的输入； 步骤3，构建语义图交互融合网络：将图像与文本特征集输入语义图交互融合网络，通过节点与边构建、跨模态注意力、图卷积与门控融合策略的共同作用实现多层级与多视角特征的对齐与融合，生成最终融合特征集； 步骤4，构建多粒度原型匹配网络：融合后的特征集输入到多粒度原型匹配网络，按语义分别生成低层级-词级、中层级-句级、高层级-段落级的多粒度原型表示，分别捕捉局部细节与全局语义，并采用并行匹配机制分别计算各层级原型与查询样本之间的独立匹配得分，同时结合全局匹配结果； 步骤5，匹配得分结果预测：依据融合后的匹配得分执行分类预测任务，并采用多粒度复合加权损失函数对整体网络进行训练，用训练后的模型进行分类。

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长春理工大学;中国人民解放军63869部队，其通讯地址为：130012 吉林省长春市朝阳区卫星路7089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。