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！

龙图腾网获悉广东工业大学申请的专利一种基于深度学习的网络监督细粒度图像识别方法和系统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：CN115496948B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202211167812.6，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的网络监督细粒度图像识别方法和系统是由林坚满;陈添水;林坚涛;杨志景设计研发完成，并于2022-09-23向国家知识产权局提交的专利申请。

本一种基于深度学习的网络监督细粒度图像识别方法和系统在说明书摘要公布了：本发明提供一种基于深度学习的网络监督细粒度图像识别方法和系统，通过对含有噪声标签的输入图像进行特征处理，获取含有噪声标签特征的实例图，利用含有标签的实例图为每个类别构建图原型，用所获得的含有噪声标签特征的实例图与图原型对预置的图匹配神经网络模型中进行训练，利用优化后的图匹配神经网络模型进行细粒度图像的识别；该方法基于深度学习进行细粒度图像的识别，通过引入图原型与含有噪声标签特征的实例图进行对比学习，能够有效地对噪声标签进行校正和对离群样本进行剔除，显著提高了细粒度图像识别的效率和准确率。

本发明授权一种基于深度学习的网络监督细粒度图像识别方法和系统在权利要求书中公布了：1.一种基于深度学习的网络监督细粒度图像识别方法，其特征在于，包括以下步骤： S1：从互联网中获取含有噪声标签的输入图像； S2：对所述含有噪声标签的输入图像进行特征提取，获取区域判别特征图和整体特征图； S3：根据所获得的区域判别特征图和整体特征图，获取含有噪声标签特征的实例图； S4：根据所获取的含有噪声标签特征的实例图，为每个类别构造图原型； S5：将所获得的含有噪声标签特征的实例图与图原型输入预置的图匹配神经网络模型中进行训练，获得优化后的图匹配神经网络模型； 所述预置的图匹配神经网络模型包括图内传播层、图聚合层、图间传播层和图匹配层，获得优化后的图匹配神经网络模型包括以下步骤； S5.1：将所获得的含有噪声标签特征的实例图与图原型输入图内传播层，获得第一特征矩阵和第二特征矩阵，将第一特征矩阵和第二特征矩阵分别通过图卷积操作进行迭代更新； S5.2：将迭代更新后的第一特征矩阵和第二特征矩阵输入所述图聚合层进行特征结合，获得聚合特征向量； S5.3：将所述聚合特征向量输入图间传播层进行图卷积操作，并迭代更新所述聚合特征向量，获得第一特征表达和第二特征表达； S5.4：将第一特征表达和第二特征表达输入图匹配层计算相似度，根据相似度计算图匹配损失； S5.5：对含有噪声标签特征的实例图中的噪声标签进行修正以及对离群样本进行剔除； S5.6：计算分类交叉熵损失和总损失，根据总损失对所述图匹配神经网络模型进行优化，获得优化后的图匹配神经网络模型； S6：获取待识别图像，提取待识别图像特征后，利用所述优化后的图匹配神经网络模型对待识别图像进行识别，获得待识别图像的识别结果。

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广东工业大学，其通讯地址为：510090 广东省广州市越秀区东风东路729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”。