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！

龙图腾网获悉华东理工大学申请的专利一种小样本图像生成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：CN115690487B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202211230704.9，技术领域涉及：G06V10/764；该发明授权一种小样本图像生成方法是由杨孟平;王喆;李冬冬;杨海设计研发完成，并于2022-10-09向国家知识产权局提交的专利申请。

本一种小样本图像生成方法在说明书摘要公布了：本发明公开了一种小样本图像生成方法，用于数据有限场景下的图像生成。本发明提供的小样本图像生成方法包括：从动态高斯混合分布中随机采样获取动态高斯混合隐编码；将所述动态高斯混合隐编码输入到生成网络，通过混合注意力机制对所述生成网络的中间特征进行增强，所述中间特征为所述生成网络对所述动态高斯混合隐编码映射所得，增强后的中间特征输入到所述生成网络中，得到生成图像集；将所述生成图像集和真实图像集输入到判别网络中，得到对所述生成图像集和所述真实图像集的图像判别结果；根据所述图像判别结果，以及所述生成网络和所述判别网络的目标优化函数更新所述生成网络和所述判别网络，得到更新后的生成网络和判别网络。

本发明授权一种小样本图像生成方法在权利要求书中公布了：1.一种小样本图像生成方法，其特征在于，所述小样本图像生成方法包括： 从动态高斯混合分布中随机采样获取动态高斯混合隐编码， 所述动态高斯混合分布符合如下对应关系： z＝λui+1-λσiδ 其中，z为所述动态高斯混合分布，λ为动态调控因子，可以调整所述动态高斯混合分布隐编码中高斯分布的成分，ui和σi为网络可学习参数，δ为从均值为0，方差为1的高斯分布中随机采样的向量，即δ∈N0,1； 将所述动态高斯混合隐编码输入到生成网络，通过混合注意力机制对所述生成网络的中间特征进行增强，其中混合注意力机制包含空间注意力机制和通道注意力机制，所述空间注意力机制首先利用池化操作将通道信息聚合，得到两个2D的特征图：和分别代表使用平均池化和最大池化后得到的所述特征图；接下来，对两个所述特征图进行连接并通过卷积操作得到所述空间注意力的所述特征图，所述空间注意力机制形式化描述为： 其中σ表示激活函数，AvgPool和MaxPool分别表示所述平均池化和所述最大池化，f7×7f7×7表示以7×7大小为卷积核的卷积操作，F为所述特征图，和为所述平均池化和所述最大池化后得到的所述特征图；所述通道注意力机制首先使用平均池化和最大池化将空间信息进行挤压，得到两个2D所述特征图：和然后利用一个网络产生所述通道注意力的所述特征图Mc∈Rc×1×1，这个网络是具有一个隐层的多层感知机；所述通道注意力机制形式化描述为： 其中σ表示Sigmoid激活函数，W1和W0为共享参数，AvgPool和MaxPool分别表示平均池化和最大池化，MLP为多层感知机，和为使用所述平均池化和最大池化后得到的所述特征图； 所述中间特征为所述生成网络对所述动态高斯混合隐编码映射所得，增强后的中间特征输入到所述生成网络中，得到生成图像集合； 将所述生成图像集合和真实图像集合输入到判别网络中，得到对所述生成图像集合和所述真实图像集合的图像判别结果； 根据所述图像判别结果，以及所述生成网络和所述判别网络的目标优化函数更新所述生成网络和所述判别网络，得到更新后的所述生成网络和所述判别网络。

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东理工大学，其通讯地址为：200000 上海市徐汇区梅陇路130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。