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！

龙图腾网获悉天津大学申请的专利一种结合交叉注意力和样本生成的小样本图像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：CN119919738B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202510234125.9，技术领域涉及：G06V10/764；该发明授权一种结合交叉注意力和样本生成的小样本图像分类方法是由何凯;杨紫琪;黄家伟;田明娟;唐金龙设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本一种结合交叉注意力和样本生成的小样本图像分类方法在说明书摘要公布了：本发明公开了一种结合交叉注意力和样本生成的小样本图像分类方法，所述方法包括：输入图像经残差网络进行初步特征提取；构建交叉注意力‑样本生成网络模型，利用训练集进行训练；输入待测图片，利用构建的交叉注意力‑样本生成网络模型对待测图片进行分类。本发明解决了小样本图像分类准确率较低的问题。

本发明授权一种结合交叉注意力和样本生成的小样本图像分类方法在权利要求书中公布了：1.一种结合交叉注意力和样本生成的小样本图像分类方法，其特征在于，所述方法包括： 输入图像经残差网络进行初步特征提取； 构建交叉注意力-样本生成网络模型，利用训练集进行训练； 输入待测图片，利用构建的交叉注意力-样本生成网络模型对待测图片进行分类； 所述交叉注意力-样本生成网络模型包括：交叉转移注意力模块和样本生成模块； 所述交叉转移注意力模块包括：5个卷积层、3个激活层、2个Dropout层和2个线性 层； 所述样本生成模块包括：相似性比较器和样本生成结构； 所述交叉转移注意力模块具体为： C1_1为卷积层，卷积核大小为1×1，步长为1，输入图像大小为640×10×10，输出图像大小为1920×10×10，通道数大小为1920； SM1_1为激活层，使用Softmax作为激活函数，输入图像大小为8×100×100，输出图像大小为8×100×100； D1_1为Dropout层，参数为0.5； C1_2为卷积层，卷积核大小是1×1，步长为1，输入图像大小为640×10×10，输出是640×10×10，通道数大小为640； D1_2为Dropout层，参数为0.5； C1_3为卷积层，卷积核大小为1×1，步长为1，输入图像大小为640×10×10，输出图像大小为80×10×10，通道数大小为80； C1_4为卷积层，卷积核大小为1×1，步长为1，输入图像大小为640×10×10，输出图像大小为80×10×10，通道数大小为80； C1_5为卷积层，卷积核大小为1×1，步长为1，输入图像大小为640×10×10，输出图像大小为640×10×10，通道数大小为640； SM1_2为激活层，使用Softmax作为激活函数，输入图像大小为10×10，输出图像大小为10×10； LN1_1为线性层，输入维度640，输出维度640； SM1_3为激活层，使用Relu作为激活函数，输入图像大小为10×10，输出图像大小为10×10； LN1_2为线性层，输入维度640，输出维度640； 所述方法包括： 对特征进行多层感知机和层标准化处理，交叉转移注意力模块提取的结构特征与残差网络提取的基本特征是互补的，将这两种表示结合起来，形成类似残差结构，得到最终的特征表示； 所述样本生成模块通过相似性比较器来计算新任务和基类的F范数，挑选相似的类别构建新的统计特征，并依据此特征生成随机样本，具体为： 1计算基类和支持集的均值和方差，假定基类共64类，支持集共5类，得到64*640和5*640的均值，以及64*640*640和5*649*640的方差； 2将基类和支持集的均值矩阵扩充，得到64*5*640的矩阵，通过Frobenius范数计算二者的相似性： 其中，F为Frobenius范数，E为均值，supt为支持集，base为基类； 3选取类别，选取与支持集某类最相近的m个类别，即重要程度最大的前m个类 别： 其中，I为选取的类别集合，m为类别个数，为基类的第i个类别的均值； 4整合统计特征，将m类与支持集类别整合，计算平均值得到新的均值和方差： 其中，E为均值，V为方差，m为类别个数，为距离的归一化倒数，supt为支持集，为集合，为对应的方差； 5在特征空间中，相似的类别服从高斯分布，利用得到的均值方差，从高斯分布中任意采样得到新样本，将新样本添加到任务中作为补充。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。