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！

龙图腾网获悉燕山大学申请的专利一种基于概率图和ViT模型的图片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：CN115953617B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202211555848.1，技术领域涉及：G06V10/764；该发明授权一种基于概率图和ViT模型的图片分类方法是由宫继兵;彭吉全;林宇庭;赵金烨;丛方鹏设计研发完成，并于2022-12-06向国家知识产权局提交的专利申请。

本一种基于概率图和ViT模型的图片分类方法在说明书摘要公布了：本发明涉及一种基于概率图和ViT模型的图片分类方法，属于计算机视觉图片分类技术领域，将多头注意力机制从概率论的角度进行建模，将多头注意力中的attentionvalue看作隐变量，利用概率图模型的Explaining‑awayEffects以及Transformer的层级结构，将attentionlogits层层传递，并将相邻层的值进行融合，促进不同头部之间的交互。本发明针对普通VisionTransformer模型中多头注意力机制头部参数的冗余问题，将多头注意力机制建模为概率图模型，将注意力值看作隐变量，促进不同注意力头部之间的交互。

本发明授权一种基于概率图和ViT模型的图片分类方法在权利要求书中公布了：1.一种基于概率图和ViT模型的图片分类方法，其特征在于，包括以下步骤： S1、将输入模型的图片进行分块，然后将每个图片块展平成一维向量，最后通过线性变换生成patchembedding； S2、给每个patchembedding加上位置编码，补充位置信息； S3、增加一个用于分类的Token，学习其他图片patch的整体信息； S4、基于头部交互的TransformerBlock，把attentionvalues看作隐变量，利用概率图模型中的Explaining-awayEffects以及Transformer的层级结构，将attentionlogits层层传递，并将相邻层的值进行融合，促进不同头部之间的交互；S4的具体步骤为： S41、attentionhead序列建模，将attentionvalue看作隐变量， pY∣X＝∫ApY∣A,XpA∣XdA 其中，Y为图片label，X为输入照片，A为中间层Attentionvalues，pA∣X是联合先验分布； S42、Transformer层次化建模，利用transformer的层级结构，将此过程可表示为： 其中，Aj表示第j层的attention分布，Aj的计算需要依赖Aj-1的递归结构，具体来讲，Aj的计算通式如下： S43、相邻层的attention融合，在Transformer的层级Block的多头注意力计算模块添加MLP，将各层之间的attentionvlaue进行融合交互，促进不同头部的去冗余，将此过程可表示为： Aj＝softmaxzj+MLPzj,zj-1 其中，zj为第j层的attentionlogits，MLP是两层全连接层，用于相邻层注意力值得融合交互； S5、使用两层全连接层，将分类Token输入分类层，得到图片的分类结果。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市海港区河北大街438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”。