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！

龙图腾网恭喜福州大学申请的专利基于任务特定通道重构网络的细粒度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：CN116843970B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202310807415.9，技术领域涉及：G06V10/764；该发明授权基于任务特定通道重构网络的细粒度小样本分类方法是由柯逍;蔡宇航;陈柏涛设计研发完成，并于2023-07-03向国家知识产权局提交的专利申请。

本基于任务特定通道重构网络的细粒度小样本分类方法在说明书摘要公布了：本发明提供一种基于任务特定通道重构网络的细粒度小样本分类方法，首先获取细粒度小样本分类数据集进行数据预处理，并完成标签提取。将数据集划分为三个部分，按照episode模式进行N‑wayK‑shot小样本元任务采样，得到查询集图像和N个类别的支持集图像。然后通过多维度动态卷积构建多维度动态特征提取网络，将所有支持集图像和查询集图像输入多维度动态特征提取网络中，分别得到各个类别的支持集和查询集的特征，计算支持集各个类别的原型特征。然后利用任务特定通道注意力权值重构支持集和查询集特征。最后利用距离度量进行相似度评分得到查询集图像所属类别，高效完成细粒度小样本分类任务。

本发明授权基于任务特定通道重构网络的细粒度小样本分类方法在权利要求书中公布了：1.一种基于任务特定通道重构网络的细粒度小样本分类方法，其特征在于，包括以下步骤；步骤S1：获取细粒度小样本分类数据集进行数据预处理，并完成标签提取；将数据集划分为Dbase、Dval和Dnovel三个部分，按照episode模式进行N-wayK-shot小样本元任务采样，得到查询集图像和N个类别的支持集图像；步骤S2：通过多维度动态卷积构建多维度动态特征提取网络，将所有支持集图像和查询集图像输入多维度动态特征提取网络中，分别得到各个类别的支持集和查询集的特征，计算支持集各个类别的原型特征；步骤S3：构建权值生成块，并输入第ch_i类的支持集特征得到第ch_i类支持集初始权值，将查询集特征输入权值生成块得到查询集初始权值，将第ch_i类支持集初始权值和查询集初始权值进行自适应聚合得到第ch_i类任务特定通道注意力权值，利用任务特定通道注意力权值重构支持集特征和查询集特征，以得到第ch_i类的支持集重构特征与第ch_i类的查询集重构特征；步骤S4：利用距离度量进行相似度评分得到查询集图像所属类别：在多个采样元任务上按照指定训练参数进行迭代训练，通过优化组合损失更新模型参数，根据验证准确率不断保存最优模型，计算最优模型在元测试阶段所有随机采样的episode的平均分类准确率；步骤S3具体包括以下步骤：步骤S31：通过全局平均池化操作GAP汇聚查询集特征与支持集原型特征的空间信息，输入查询集特征FQ和第ch_i类的支持集特征分别得到初始的查询集权值wQ和第ch_i类支持集权值具体计算方式如下：wQ＝GAPFQ 步骤S32：构建权值生成块FCB·，将初始查询集权值wQ和第ch_i类支持集权值输入权值生成块FCB·以生成第ch_i类的支持集注意力权值和第ch_i类的查询集注意力权值，得到第ch_i类的查询注意力权值w'Q和第ch_i类的支持注意力权值具体计算方式如下： 其中，为全连接层权重,δ·表示ReLU函数，σ·表示1+Tanh函数；步骤S33：对步骤S32得到的通道注意力权值w'Q和进一步使用任务特定自适应聚合，以最大程度地突出任务特定的关键语义，得到第ch_i类的任务特定通道注意力权值twch_i，具体计算过程如下： 其中，τ表示可学习参数，τ∈[0,1]；步骤S34：利用步骤S33得到的任务特定通道注意力权值twch_i以重构第ch_i类的支持原型特征图和查询特征图FQ的特征通道，以此得到第ch_i类的通道重构特征图和具体计算如下： 其中，表示在第dim_j维度上的值，和分别表示FQ和在通道维度上的第ch_j个通道特征，C表示特征图的通道总数。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。