買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉東莞理工學(xué)院申請(qǐng)的專利一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法、裝置及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115272826B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210925219.7，技術(shù)領(lǐng)域涉及：G06V10/82；該發(fā)明授權(quán)一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法、裝置及系統(tǒng)是由謝仁平;陳浩瀚;陶銘;丁凱設(shè)計(jì)研發(fā)完成，并于2022-08-03向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法、裝置及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的橋梁混凝土道路圖像裂縫識(shí)別方法、裝置及系統(tǒng)，通過在VGG?16全卷積神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上引入梯度層和自我注意力機(jī)制模塊，從而使模型在數(shù)據(jù)集上進(jìn)行訓(xùn)練時(shí)起到加速收斂的作用，并使得模型在保證輕量化的同時(shí)，能提高網(wǎng)絡(luò)模型對(duì)輸入特征圖的全局信息學(xué)習(xí)能力，提高其對(duì)混凝土道路圖像的裂縫識(shí)別速度和識(shí)別精準(zhǔn)度，本發(fā)明最終訓(xùn)練得到的混凝土道路裂縫識(shí)別模型可以高效、快速、高精度地進(jìn)行圖像裂縫檢測(cè)。

本發(fā)明授權(quán)一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法、裝置及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于卷積神經(jīng)網(wǎng)絡(luò)的橋梁混凝土道路裂縫圖像識(shí)別方法，其特征在于：包括以下步驟： 步驟S100、采用VGG-16模型搭建級(jí)聯(lián)的全卷積神經(jīng)網(wǎng)絡(luò)，所述全卷積神經(jīng)網(wǎng)絡(luò)包括輸入模塊、五塊編碼器模塊以及解碼器模塊； 步驟S200、所述輸入模塊由梯度層和輸入圖像組成；梯度層首先由輸入圖像的橫縱坐標(biāo)方向采用33的Sobel一階差分算子進(jìn)行處理，得到橫、縱坐標(biāo)方向的梯度矩陣，再根據(jù)每點(diǎn)坐標(biāo)的橫、縱坐標(biāo)方向的梯度絕對(duì)值之和作為梯度幅值，得到梯度層； 步驟S300、在最后三個(gè)編碼器模塊的最后一個(gè)卷積層的輸出端加入自我注意力機(jī)制模塊，為網(wǎng)絡(luò)模型引入注意力機(jī)制； 步驟S400、在每個(gè)處理模塊和自我注意力機(jī)制模塊的輸出端放置反卷積層模塊，并通過卷積層分割最終圖像； 步驟S500、采用標(biāo)定數(shù)據(jù)集對(duì)所述全卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，其中，所述標(biāo)定數(shù)據(jù)集為標(biāo)定好混凝土裂縫特征的特征圖集合；對(duì)步驟S600、待檢測(cè)的橋梁道路圖像逐幀處理，將處理后的圖像輸入神經(jīng)網(wǎng)絡(luò)模型進(jìn)行裂縫分割，分割出待檢測(cè)的橋梁道路圖像中的裂縫； 在步驟S500中，采用標(biāo)定數(shù)據(jù)集對(duì)所述全卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，包括如下步驟： 1獲得處理模塊中最后一個(gè)卷積層的輸出端經(jīng)過11卷積核輸出的Query、Key、Value矩陣；其中，W、H、C、B、Θ、Φ、g分別為輸入特征圖的寬度、高度、通道數(shù)、批數(shù)、Query矩陣、Key矩陣和Value矩陣； 2對(duì)Query矩陣和Key矩陣作點(diǎn)乘運(yùn)算，得到大小為BHWBHW的相似度權(quán)重矩陣； 3對(duì)相似度權(quán)重矩陣進(jìn)行Softmax運(yùn)算，實(shí)現(xiàn)相似度權(quán)重矩陣的歸一化； 4將歸一化的相似度權(quán)重矩陣與Value矩陣進(jìn)行點(diǎn)乘運(yùn)算，得到大小為BHWC2的Attention值；經(jīng)過11的卷積核擴(kuò)展通道數(shù)為C后，疊加Attention值到處理模塊中最后一個(gè)卷積層的輸出端矩陣。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人東莞理工學(xué)院，其通訊地址為：523808 廣東省東莞市松山湖科技產(chǎn)業(yè)園區(qū)大學(xué)路1號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。