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！

龙图腾网获悉浙江理工大学申请的专利基于DC-Res2Net和特征融合注意力模块的手势图像分类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：CN115273135B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202210672523.5，技术领域涉及：G06V40/10；该发明授权基于DC-Res2Net和特征融合注意力模块的手势图像分类方法是由田秋红;孙文轩;张元奎;潘豪;章立早;阮琼露设计研发完成，并于2022-06-14向国家知识产权局提交的专利申请。

本基于DC-Res2Net和特征融合注意力模块的手势图像分类方法在说明书摘要公布了：本发明公开了基于特征融合注意力模块和特征选择的手势图像分类方法。方法为首先使用已知数据集中的手势图像作为手势图像，并获取手势图像的类别标签，对手势图像进行尺寸归一化处理获得训练集；然后构建卷积神经网络，卷积神经网络包括特征提取模块、特征融合注意力模块和分类器；再将训练集输入卷积神经网络进行训练；最后将待分类的手势图像输入到训练好的卷积神经网络中进行手势图像分类，得到分类结果。本发明使用DC‑Res2Net模块和SK‑Net模块结合精确提取出手势图像的高阶特征和低阶特征，利用特征融合注意力模块增强低阶特征并与高阶特征进行融合，通过融合特征实现对手势图像的精确识别。

本发明授权基于DC-Res2Net和特征融合注意力模块的手势图像分类方法在权利要求书中公布了：1.一种基于DC-Res2Net和特征融合注意力模块的手势图像分类方法，其特征在于：方法包括如下步骤： 步骤1）使用已知数据集中的手势图像作为手势图像，并获取手势图像的类别标签，对手势图像进行尺寸归一化处理，将经过尺寸归一化处理后的手势图像作为训练集； 步骤2）构建卷积神经网络，所述卷积神经网络主要由特征提取模块、特征融合注意力模块和Softmax分类器依次连接构成，手势图像先输入到特征提取模块分别获得高阶特征张量和低阶特征张量，再将高阶特征张量与低阶特征张量同时输入特征融合注意力模块中处理后获得特征向量融合后的特征张量，进而然后将特征向量融合后的特征张量输入到Softmax分类器中进行分类，得到手势图像的分类结果； 所述的特征提取模块主要由DC-Res2Net29网络和三个SK-Net模块构成，所述的DC-Res2Net29网络包括第一卷积层、第一最大池化层和三个残差模块，第一卷积层经第一最大池化层连接到第一个残差模块的输入端；三个残差模块和三个SK-Net模块依次交替连接构成，每个残差模块主要由三个DC-Res2Net模块依次连接构成；将手势图像输入到第一个残差模块中输出获得低阶特征张量，经最后一个SK-Net模块输出获得高阶特征张量； 步骤3）将步骤1）的训练集输入卷积神经网络进行训练； 步骤4）将待分类的手势图像输入到步骤3）训练好的卷积神经网络中进行手势图像分类，得到分类结果。

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浙江理工大学，其通讯地址为：310018 浙江省杭州市江干经济开发区2号大街928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”。