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！

龙图腾网获悉临沂大学申请的专利一种基于深度学习的煤岩图像分类方法、装置及存储介质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：CN119295819B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202411367514.0，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的煤岩图像分类方法、装置及存储介质是由陈吉;于同帅;王星;刘烨;姚双龙;杨亭;王振海设计研发完成，并于2024-09-29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煤岩图像分类方法、装置及存储介质在说明书摘要公布了：本发明属于图像处理技术领域，具体涉及一种基于深度学习的煤岩图像分类方法、装置及存储介质，步骤如下：构建煤岩图像数据集，对数据集进行预处理操作；构建注意力残差网络Att‑Resnet，Att‑Resnet包括一个特征提取模块A1和多个残差注意力模块A2；将煤岩图像数据集中图像输入至注意力残差网络Att‑Resnet进行特征提取得到特征图；将特征图输入至分类器进行分类，得到特征图对应各个类别的概率值，再选取概率值最高的类别作为预测的类别。本发明采用大核并行卷积机制为下游任务提供更加丰富的特征图，采用残差连接和引入注意力机制，可以有效地提取更细粒度的多尺度空间信息，同时可以建立更长距离的通道依赖关系为煤岩图像分类精度的上升提供了前提。

本发明授权一种基于深度学习的煤岩图像分类方法、装置及存储介质在权利要求书中公布了：1.一种基于深度学习的煤岩图像分类方法，其特征在于，包括以下步骤： S1.收集煤岩图像并构建煤岩图像数据集，然后对数据集进行预处理操作； S2.构建注意力残差网络Att-Resnet，Att-Resnet包括一个特征提取模块A1和多个残差注意力模块A2； S3.构建特征提取模块A1，特征提取模块A1由大核并行卷积模块组成，将处理后的数据集中的图像输入至特征提取模块A1中，通过大核并行卷积模块提取煤岩图像的特征图； S4.构建多个残差注意力模块A2，残差注意力模块A2是一个将经典残差模块中的3×3卷积替换为注意力机制的变体残差模块，将特征图输入至多个残差注意力模块A2进一步进行特征提取，得到最终的特征图； S4具体如下： S4.1Att-Resnet包括个残差注意力模块A2，残差注意力模块A2依次包括第一个1×1卷积、注意力模块和第二个1×1卷积； S4.2将特征图输入至第一个残差注意力模块A2，经过残差注意力模块A2中第一个1×1卷积将特征图的通道减少至可通过注意力模块，再将减少通道数量后的特征图输入至注意力模块，注意力模块先对特征图进行图像通道划分，划分后的通道数为n，再在每个通道分别进行特征提取，对应得到n个特征图，表示为，表示第个通道输出的特征图，； 再通过注意力模块中的注意力机制提取每个通道输出的特征图的注意力权重； 然后利用激活函数来对通道注意力信息进行权值重新标定； S4.3将特征图与对应的权值重标定后的注意力权重进行channel-wise级别的相乘得到特征图，计算过程如下： ， 其中，表示channel-wise级别的相乘； 然后将得到进行维度拼接，得到一个多尺度特征信息注意力加权之后的特征图，计算过程如下： ， 其中，表示拼接操作； 最后特征图经过第二个1×1卷积操作将特征图的通道数恢复，得到特征图； S4.4、将第一个残差注意力模块A2输出的特征图作为第二个残差注意力模块A2的输入，重复步骤S4.2和S4.3中的操作，得到第二个残差注意力模块A2的输出特征图，将上一个残差注意力模块A2的输出作为下一个残差注意力模块A2的输入，依次迭代，得到第个残差注意力模块A2的输出特征图； S4.5、特征图依次经过bn层、relu层、bn层，然后通过残差连接与特征图相加后再经过一个relu层得到最终特征图，计算过程如下： ； S5.将最终的特征图输入至分类器进行分类，得到特征图对应各个类别的概率值，再选取概率值最高的类别作为预测的类别。

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临沂大学，其通讯地址为：276000 山东省临沂市兰山区工业大道北段西侧；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。