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！

龙图腾网获悉西安电子科技大学申请的专利一种基于双分支结构的小样本目标检测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：CN119942051B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202510035817.0，技术领域涉及：G06V10/22；该发明授权一种基于双分支结构的小样本目标检测方法是由张亮;朱光明;周聖烨;胡可;张勇设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本一种基于双分支结构的小样本目标检测方法在说明书摘要公布了：本发明公开了一种基于双分支结构的小样本目标检测方法，包括以下步骤；步骤1：对实例样本通过评分器进行评分；步骤2：提取支持图像和查询图像的特征；步骤3：对支持图像特征进行加权求和，得到绝对性特征；步骤4：得到支持特征的加权特征向量；步骤5：得到融合信息后的多尺度查询特征；步骤6：根据融合信息后的多尺度查询特征，输出预测的目标编码向量和回归参数；步骤7：得到类级别支持特征向量；步骤8：对类级别支持特征向量和预测的目标编码向量进行对比匹配，输出最后的目标匹配结果，并根据目标匹配结果计算相对损失值；步骤9：更新Memory结构中存储的对应类别的记忆性特征。本发明能够实现对小样本数据的目标检测。

本发明授权一种基于双分支结构的小样本目标检测方法在权利要求书中公布了：1.一种基于双分支结构的小样本目标检测方法，其特征在于，包括以下步骤； 步骤1：对实例样本通过评分器进行评分； 步骤2：基于双分支结构构建图像的特征提取器，分别提取支持图像和查询图像的特征； 步骤3：基于所述评分器对实例样本的评分结果，对所述支持图像特征进行加权求和，得到绝对性特征； 步骤4：对所述支持图像特征、所述绝对性特征和Memory结构中存储的对应类别的记忆性特征进行加权求和，得到支持特征的加权特征向量； 步骤5：构建特征聚合模块，将所述支持特征的加权特征向量的信息，迁移融合到所述查询图像的特征中，得到融合信息后的多尺度查询特征； 步骤6：根据所述融合信息后的多尺度查询特征，输出预测的目标编码向量和回归参数； 步骤7：根据所述支持特征的加权特征向量和所述预测的目标编码向量，计算相似度分数，并根据相似度分数对支持特征的加权特征向量再次加权求和，得到类级别支持特征向量； 步骤8：对所述类级别支持特征向量和所述预测的目标编码向量进行对比匹配，输出最后的目标匹配结果，并根据目标匹配结果计算相对损失值； 步骤9：根据所述绝对性特征和计算得到的所述相对损失值，基于修正的指数滑动平均方法，更新Memory结构中存储的对应类别的记忆性特征。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。