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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉北京工商大學(xué)申請的專利基于輕量級殘差注意力增強(qiáng)網(wǎng)絡(luò)LRAE-Unet模型的圖像分類方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116416464B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09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?zhí)?專利號為：202310269392.0，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)基于輕量級殘差注意力增強(qiáng)網(wǎng)絡(luò)LRAE-Unet模型的圖像分類方法是由王瑜;林嘉豪;秦大貴設(shè)計研發(fā)完成，并于2023-03-15向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于輕量級殘差注意力增強(qiáng)網(wǎng)絡(luò)LRAE-Unet模型的圖像分類方法在說明書摘要公布了：本發(fā)明提出一種基于輕量級殘差注意力增強(qiáng)網(wǎng)絡(luò)LRAE?Unet模型的圖像分類方法，包括，獲取訓(xùn)練圖像數(shù)據(jù)集；構(gòu)建輕量級殘差注意力增強(qiáng)網(wǎng)絡(luò)LRAE?Unet模型，輕量級殘差注意力增強(qiáng)網(wǎng)絡(luò)LRAE?Unet模型包括淺層特征提取通路和深層特征提取通路；利用輕量級殘差注意力增強(qiáng)網(wǎng)絡(luò)LRAE?Unet模型和訓(xùn)練圖像數(shù)據(jù)集進(jìn)行模型訓(xùn)練，生成分類模型；獲取待分類圖像，將待分類圖像輸入所述分類模型，得到圖像分類結(jié)果。通過本發(fā)明提出的方法，可以全自動地對圖像進(jìn)行分類，實現(xiàn)基于像素級的分類目的，不受待分類圖像類別的限制，而且網(wǎng)絡(luò)模型參數(shù)少，適應(yīng)性強(qiáng)，模型性能好，從而有效提高圖像分類的準(zhǔn)確性和便捷性。

本發(fā)明授權(quán)基于輕量級殘差注意力增強(qiáng)網(wǎng)絡(luò)LRAE-Unet模型的圖像分類方法在權(quán)利要求書中公布了：1.一種基于輕量級殘差注意力增強(qiáng)網(wǎng)絡(luò)LRAE-Unet模型的圖像分類方法，其特征在于，包括以下步驟： 獲取訓(xùn)練圖像數(shù)據(jù)集； 構(gòu)建輕量級殘差注意力增強(qiáng)網(wǎng)絡(luò)LRAE-Unet模型，所述輕量級殘差注意力增強(qiáng)網(wǎng)絡(luò)LRAE-Unet模型包括淺層特征提取通路、深層特征提取通路及分類層； 利用所述輕量級殘差注意力增強(qiáng)網(wǎng)絡(luò)LRAE-Unet模型和所述訓(xùn)練圖像數(shù)據(jù)集進(jìn)行模型訓(xùn)練，生成分類模型； 獲取待分類圖像，將所述待分類圖像輸入所述分類模型，得到圖像分類結(jié)果； 其中，所述輕量級殘差注意力增強(qiáng)網(wǎng)絡(luò)LRAE-Unet模型的輸入大小為M×M×3，M×M表示圖像塊尺度，3表示圖像塊的三個通道，分別為R紅色、G綠色、B藍(lán)色； 所述淺層特征提取通路包括單個卷積層、第一卷積塊、第二卷積塊、第三卷積塊、第四卷積塊，所述淺層特征提取通路的所有卷積塊均包含3個卷積，所述第一卷積塊和所述第二卷積塊搭配最大池化層，所述第三卷積塊和所述第四卷積塊搭配增強(qiáng)視野平均池化層，計算所述淺層特征提取通路的每個卷積模塊輸出的FMs尺度為： C＝M*2， 其中，C×C為所述卷積層輸出的FMs尺度，M×M為卷積層輸入的FMs尺度， 卷積層輸出的FMs隔層聯(lián)接； 所述深層特征提取通路包括第一卷積塊、第二卷積塊，第三卷積塊和第四卷積塊，所述第一卷積塊、第二卷積塊，第三卷積塊和第四卷積塊均包含七個連續(xù)的卷積層；計算所述深層特征提取通路的每個卷積塊輸出的FMs尺度為： C＝M2， 其中，C×C為所述卷積層輸出的FMs尺度，M×M為卷積層輸入的FMs尺度； 所述構(gòu)建輕量級殘差注意力增強(qiáng)網(wǎng)絡(luò)LRAE-Unet模型，還包括： 在所述淺層特征提取通路上，對所述淺層特征提取通路的每個卷積層的權(quán)重施加批正則化，其中， 其中，y是產(chǎn)生一批滿足均值為0，方差為1的FMs，x表示輸入，mean[x]表示輸入的平均值，Var[x]表示輸入的方差，eps表示穩(wěn)定系數(shù)，防止分母出現(xiàn)0，γ和β是對像素在BN基礎(chǔ)上進(jìn)行的調(diào)整，γ初始值為1，用于調(diào)整方差，β初始值為0，用于調(diào)整均值。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人北京工商大學(xué)，其通訊地址為：100048 北京市海淀區(qū)阜成路11號耕耘樓724室；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)”。