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！

龙图腾网获悉北京航空航天大学申请的专利一种基于自监督分离子空间的小样本目标检测识别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：CN117876868B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202410028064.6，技术领域涉及：G06V20/10；该发明授权一种基于自监督分离子空间的小样本目标检测识别方法是由尹继豪;姜鸿翔;王麒雄;冯家齐设计研发完成，并于2024-01-09向国家知识产权局提交的专利申请。

本一种基于自监督分离子空间的小样本目标检测识别方法在说明书摘要公布了：本申请公开一种基于自监督分离子空间的小样本目标检测识别方法，属于遥感图像处理技术领域，其中，提出的创新框架在三个层次上完全隔离了基础类和新类的训练。首先提出低秩子空间适配器进行结构分离，在不破坏基类预训练性能的情况下实现了针对新颖类的网络优化，用更少的参数来调制网络组件，缓解了小样本条件下完全微调的过拟合问题。其次，提出了正交子空间提取器用于特征解耦，自适应地学习了每个类别相应的子空间，进行解耦表示的提取，增强了类别之间的可分性。第三，设计了平衡分类器用于损失均衡，防止最终的预测结果过于偏向背景或基类。本发明所提出的框架在小样本目标检测识别方面具有相当大的优势，在基类和新颖类上都有显著的提升。

本发明授权一种基于自监督分离子空间的小样本目标检测识别方法在权利要求书中公布了：1.一种基于自监督分离子空间的小样本目标检测识别方法，其特征在于，包括以下步骤： 第一步，利用数据充分的基类数据对二阶段检测网络进行预训练，再提取候选框分类特征的部分进一步学习基类的正交子空间，提取基类之间的可分性特征用于分类；所述数据为遥感图像数据； 第二步，对于预训练网络各个部分的线性层和卷积层，添加低秩子空间适配器进行结构分离，分别在原始支路和额外添加的支路上获得基类和新颖类的候选框特征，其中仅有新颖类的支路被用于微调，原始支路的参数被冻结； 对于二阶段检测网络中的颈部、区域建议网络、候选框特征提取组件均添加低秩子空间适配器，低秩子空间适配器被用于组件包含的每个卷积层和线性层，其中原始网络层的参数被冻结，添加的低秩子空间适配器中包含的参数被用于微调，包括： 对于每个网络层的输入，同时输入到原始网络层和低秩子空间适配器中，原始网络层的输出代表基类的输出结果，经过低秩子空间适配器的输出表示新颖类的输出结果，这两部分的输出结果进一步送入后续的原始网络层和低秩子空间适配器中； 低秩子空间适配器内部的参数为多个低秩矩阵，通过重构得到和原始网络权重相同尺寸的矩阵，并与原始网络权重相加，得到新的网络权重； 在训练过程中，低秩子空间适配器内部的参数被优化，原始网络层的权重被冻结； 第三步，基于正交子空间提取器自适应地学习每个类别相应的子空间进行特征解耦，这些子空间由正交基张成；仅有新颖类的子空间被学习，基类的子空间参数被冻结；将第二步中的原始支路和额外添加的支路输出的候选框特征分别投影至基类子空间和新颖类子空间，提取各个类的可分性特征； 第四步，将第三步中得到的可分性特征送入基类分类器，得到基类检测识别结果，根据基类检测识别结果引导新颖类的候选框采样，进一步使用平衡的损失函数优化新颖类分类器的训练，防止最终的预测结果过于偏向背景或基类； 第五步，通过第一步-第四步完成小样本目标检测识别模型的训练后，在测试阶段通过原始支路和额外添加的支路分别检测基类和新颖类目标并进行结果的整合。

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航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。