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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于深度学习的面料图像成份识别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：CN114937155B 。

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：202210644609.7，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的面料图像成份识别方法是由俞可扬;沈启承;罗钇凯;吴子朝设计研发完成，并于2022-06-08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面料图像成份识别方法在说明书摘要公布了：本发明公开了一种基于深度学习的面料图像成份识别方法。首先采集不同成分的面料图像作为训练数据集。然后采用双三次插值和基于拉普拉斯算子的边缘检测进行图像的缩放和增强。然后根据深度学习的基本架构，设计以ResNet‑34为主体的卷积神经网络；利用分类的损失函数，通过梯度反向传播进行迭代训练，将待识别图像输入训练后的神经网络进行特征提取，再通过以自注意力机制为基础的Transformer结构中，利用基于移位窗口减少计算数据量。最后通过一次线性变换以及Softmax函数得到概率分布，输出面料图像识别结果。本发明有效地摆脱环境噪声的干扰，实现了对面料图像特征的精确提取，以及目标匹配与识别的成功率与准确率。

本发明授权一种基于深度学习的面料图像成份识别方法在权利要求书中公布了：1.一种基于深度学习的面料图像成份识别方法，其特征在于：具体包括以下步骤： 步骤1、收集不同成分的面料图像，将具体成分作为对应的标签，建立数据集； 步骤2、针对步骤1收集的面料图像缩放至同一大小并进行增强处理； 步骤3、构建ResNet-34神经网络，将步骤2处理后的图像数据输入ResNet-34神经网络中，迭代训练调整网络参数，保存训练后的ResNet-34神经网络；使用保存的ResNet-34神经网络提取不同成分面料的图像特征数据，作为模板保存为特征数据库； 步骤4、构建以Self-Attention机制为基础的Transformer结构，包括编码器和解码器；在多头自注意力层中利用移动窗口机制使self-attention特征值偏移一定位置后，再通过移位窗口划分为多个不重复但具有联系的局部窗口； 步骤5、将待匹配的面料图像输入步骤3保存的ResNet-34神经网络中，得到对应的特征矩阵后输入解码器；将特征数据库中的模板数据依次输入编码器中，再将解码器的输出结果依次通过一次线性变换和Softmax函数，得到对应的概率分布，排序后输出面料的成分识别结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。