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！

龙图腾网获悉中国矿业大学申请的专利基于迁移学习和注意力机制元学习应用在小样本图片分类的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：CN114492581B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202111615640.X，技术领域涉及：G06V10/764；该发明授权基于迁移学习和注意力机制元学习应用在小样本图片分类的方法是由潘杰;彭明明;邹筱瑜设计研发完成，并于2021-12-27向国家知识产权局提交的专利申请。

本基于迁移学习和注意力机制元学习应用在小样本图片分类的方法在说明书摘要公布了：本发明公开了一种基于迁移学习和注意力机制元学习应用在小样本图片分类的方法，该方法从大规模的训练数据中学习到先验知识，在只使用少量标记训练数据情况下，可以帮助深度神经网络更快的收敛，同时降低网络过拟合的可能性。该方法采用DenseNet网络作为特征提取器，小样本分类任务的难点就是样本量少，本方法采用的特征提取器网络采用特征重用的方法，将有限的图片进行充分的利用。大规模数据训练为深度网络权值提供了良好的初始化，使元学习在较少的任务下能够快速的收敛，这些操作保持了训练后的深度网络权重不变，从而避免了灾难遗忘的问题。

本发明授权基于迁移学习和注意力机制元学习应用在小样本图片分类的方法在权利要求书中公布了：1.一种基于迁移学习和注意力机制元学习的应用在小样本图片分类的方法，其特征在于，包括以下步骤： 1获取数据：读取数据集中预训练中的图片，其中图片按任务划分，不同任务的图片在不同的文件夹中，按照任务分布进行图片的读取； 2迁移学习和注意力机制元学习网络框架的搭建：包括固定的特征提取器和由于预训练与元学习阶段分类任务数量的不同，采用的不同的类别输出层； 2.1预训练阶段的模型框架包括：用DenseNet网络作为特征提取器，来提取输入图片的特征，后面接一个平均池化层，来对将经过DenseNet网络提取出来的特征进行降维，去除冗余信息，对池化后的特征进行展平，后面接一个全连接层，最后是一个根据分类任务确定的类别输出层； 2.2元学习阶段的模型框架包括：用DenseNet网络作为特征提取器，来提取输入图片的特征，将提取出来的图片特征输入到注意力机制模块中，注意力机制使用的是通道注意力，将每个通道的特征图进行全局平均池化，得到注意力加权值，再将这个加权值应用于原来的特征图中，对每个通道的数值进行加权，加权后的特征进行展平，后接一个全连接层，最后是一个与训练阶段不同的类别输出层； 3对步骤2搭建的预训练阶段的模型框架和元学习阶段的模型框架进行训练； 3.1初始化预训练网络参数，把训练数据集输入到预训练的网络框架中去，来对预训练的网络框架参数进行优化，学习卷积层中的网络参数权值W和偏差b，通过交叉熵损失函数来减小同一任务之间的特征分布，最后用softmax计算样本所属概率最大的类别即为图片预训练阶段的预测类别； 3.2预训练网络的参数更新； 3.3重复步骤3.1、3.2直至网络迭代次数达到预设迭代次数，取最好精度的迭代次数的网络参数ΘW,b； 3.4预训练结束，网络参数ΘW,b固定不再更新； 3.5初始化元学习网络参数，将测试数据输入到元学习的网络框架中去，此时网络中特征提取器卷积层所使用的权值W和偏差b是预训练阶段迭代精度最好的参数，并引入两个新的参数：缩放和平移； 3.6元学习网络参数更新； 3.7重复步骤3.5、3.6直至网络迭代次数达到预设迭代次数，取最好精度的迭代次数的网络参数； 3.8元学习阶段结束后，用验证数据集对网络模型进行验证，网络最终输出的分类精度为最后的模型评估精度。

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中国矿业大学，其通讯地址为：221116 江苏省徐州市大学路1号中国矿业大学科研院；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”。