買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉鵬城實驗室申請的專利一種零樣本圖像分類方法、裝置、終端及介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116363446B 。

龍圖騰網通過國家知識產權局官網在2025-09-09發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211640642.9，技術領域涉及：G06V10/774；該發明授權一種零樣本圖像分類方法、裝置、終端及介質是由孫亞萍;陳昊;許曉東;崔曙光;張平設計研發完成，并于2022-12-20向國家知識產權局提交的專利申請。

本一種零樣本圖像分類方法、裝置、終端及介質在說明書摘要公布了：本發明公開了一種零樣本圖像分類方法、裝置、終端及介質，包括：根據條件主標簽空間轉換算法將視覺特征與語義特征投影到一個公共空間中學習潛在低維特征；根據潛在低維特征進行監督學習，訓練得到將視覺特征投影至低維特征的編碼器，以及訓練得到將低維特征投影至視覺特征的解碼器；根據潛在低維特征進行監督學習，訓練得到將語義特征投影至低維特征的編碼器，以及訓練得到將低維特征投影至語義特征的解碼器；根據多層級語義編碼的圖像分類模型，分別在視覺特征空間、語義特征空間以及潛在公共低維特征空間進行類別判決，輸出圖像分類結果。本發明提高了對于多層級語義信息的零樣本圖像分類任務的準確率及效率。

本發明授權一種零樣本圖像分類方法、裝置、終端及介質在權利要求書中公布了：1.一種零樣本圖像分類方法，其特征在于，包括： 根據條件主標簽空間轉換算法將視覺特征與語義特征投影到一個公共空間中學習潛在低維特征； 根據所述潛在低維特征進行監督學習，訓練得到將所述視覺特征投影至低維特征的編碼器，以及訓練得到將所述低維特征投影至所述視覺特征的解碼器； 根據所述潛在低維特征進行監督學習，訓練得到將所述語義特征投影至所述低維特征的編碼器，以及訓練得到將所述低維特征投影至所述語義特征的解碼器； 根據多層級語義編碼的圖像分類模型，分別在視覺特征空間、語義特征空間以及潛在公共低維特征空間進行類別判決，輸出圖像分類結果； 所述根據條件主標簽空間轉換算法將視覺特征與語義特征投影到一個公共空間中學習潛在低維特征，包括： 根據語義知識庫，得到各樣本圖像的語義特征向量； 根據各樣本圖像的語義特征和視覺特征，構建低維特征提取器，將各樣本圖像的視覺特征與語義特征投影到一個公共空間中學習潛在低維特征； 所述根據各樣本圖像的語義特征和視覺特征，構建低維特征提取器，將各樣本圖像的視覺特征與語義特征投影到一個公共空間中學習潛在低維特征，包括： 基于條件主標簽算法得到低維特征的問題建模，以最小化預測誤差和編碼誤差為聯合目標優化視覺映射矩陣和語義映射矩陣： 其中，表示所述視覺映射矩陣； 表示所述語義映射矩陣； 表示視覺特征向量矩陣； 表示語義特征向量矩陣； 表示維單元矩陣； 基于所述語義映射矩陣，將各樣本圖像的語義特征向量映射至低維特征空間； 所述根據多層級語義編碼的圖像分類模型，分別在視覺特征空間、語義特征空間以及潛在公共低維特征空間進行類別判決，輸出圖像分類結果，包括： 以視覺自編碼器和語義自編碼器為基礎，構建多層級語義編碼器，刻畫不同層級的維度大小、分類準確度、以及語義損失量之間的映射關系，得到所述多層級語義編碼的圖像分類模型； 根據所述多層級語義編碼的圖像分類模型，分別在所述視覺特征空間、所述語義特征空間以及所述潛在公共低維特征空間進行類別判決，輸出所述圖像分類結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人鵬城實驗室，其通訊地址為：518000 廣東省深圳市南山區興科一街2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。