申请/专利权人：北京环境特性研究所

申请日：2024-01-10

公开（公告）日：2024-03-22

公开（公告）号：CN117746162A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06T3/4053;G06V10/82;G06N3/0464;G06N3/084;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及计算机视觉技术领域，特别涉及一种面向低分辨率小样本的目标识别方法及装置。方法包括：基于待测试小样本集构建训练集；待测试小样本集包括不带有标签的低分辨率图像和每一个类别带有标签的高分辨率图像；利用训练集对预先构建的识别网络进行监督预训练和元训练，得到识别模型；将训练集中的样本图像进行下采样，以利用训练集中的样本图像和下采样后的低分辨率样本图像，对预先构建的超分辨率网络进行训练，得到超分辨率模型；在将待测试小样本集中的低分辨率图像输入至超分辨率模型得到超分辨率图像后，利用识别模型和每一个类别的类中心，得到超分辨率图像的预测类别。本方案可以增强低分辨率图像的小样本分类性能。

主权项：1.一种面向低分辨率小样本的目标识别方法，其特征在于，包括：基于待测试小样本集的类别数量和类别种类，构建训练集和验证集；其中，所述待测试小样本集包括不带有标签的低分辨率图像和每一个类别带有标签的高分辨率图像；利用所述训练集对预先构建的识别网络进行监督预训练和元训练，得到识别模型；将所述训练集中的样本图像进行下采样，以利用所述训练集中的样本图像和下采样后的低分辨率样本图像，对预先构建的超分辨率网络进行训练，得到超分辨率模型；将所述待测试小样本集中的高分辨率图像输入至所述识别模型中得到所述待测试小样本集中每一个类别的类中心，在将所述待测试小样本集中的低分辨率图像输入至所述超分辨率模型得到超分辨率图像后，利用所述识别模型和每一个类别的类中心，得到所述超分辨率图像的预测类别。

全文数据：

权利要求：

百度查询： 北京环境特性研究所 面向低分辨率小样本的目标识别方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD