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！

龙图腾网获悉北京工商大学申请的专利基于轻量级残差注意力增强网络LRAE-Unet模型的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：CN116416464B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202310269392.0，技术领域涉及：G06V10/764；该发明授权基于轻量级残差注意力增强网络LRAE-Unet模型的图像分类方法是由王瑜;林嘉豪;秦大贵设计研发完成，并于2023-03-15向国家知识产权局提交的专利申请。

本基于轻量级残差注意力增强网络LRAE-Unet模型的图像分类方法在说明书摘要公布了：本发明提出一种基于轻量级残差注意力增强网络LRAE‑Unet模型的图像分类方法，包括，获取训练图像数据集；构建轻量级残差注意力增强网络LRAE‑Unet模型，轻量级残差注意力增强网络LRAE‑Unet模型包括浅层特征提取通路和深层特征提取通路；利用轻量级残差注意力增强网络LRAE‑Unet模型和训练图像数据集进行模型训练，生成分类模型；获取待分类图像，将待分类图像输入所述分类模型，得到图像分类结果。通过本发明提出的方法，可以全自动地对图像进行分类，实现基于像素级的分类目的，不受待分类图像类别的限制，而且网络模型参数少，适应性强，模型性能好，从而有效提高图像分类的准确性和便捷性。

本发明授权基于轻量级残差注意力增强网络LRAE-Unet模型的图像分类方法在权利要求书中公布了：1.一种基于轻量级残差注意力增强网络LRAE-Unet模型的图像分类方法，其特征在于，包括以下步骤： 获取训练图像数据集； 构建轻量级残差注意力增强网络LRAE-Unet模型，所述轻量级残差注意力增强网络LRAE-Unet模型包括浅层特征提取通路、深层特征提取通路及分类层； 利用所述轻量级残差注意力增强网络LRAE-Unet模型和所述训练图像数据集进行模型训练，生成分类模型； 获取待分类图像，将所述待分类图像输入所述分类模型，得到图像分类结果； 其中，所述轻量级残差注意力增强网络LRAE-Unet模型的输入大小为M×M×3，M×M表示图像块尺度，3表示图像块的三个通道，分别为R红色、G绿色、B蓝色； 所述浅层特征提取通路包括单个卷积层、第一卷积块、第二卷积块、第三卷积块、第四卷积块，所述浅层特征提取通路的所有卷积块均包含3个卷积，所述第一卷积块和所述第二卷积块搭配最大池化层，所述第三卷积块和所述第四卷积块搭配增强视野平均池化层，计算所述浅层特征提取通路的每个卷积模块输出的FMs尺度为： C＝M*2， 其中，C×C为所述卷积层输出的FMs尺度，M×M为卷积层输入的FMs尺度， 卷积层输出的FMs隔层联接； 所述深层特征提取通路包括第一卷积块、第二卷积块，第三卷积块和第四卷积块，所述第一卷积块、第二卷积块，第三卷积块和第四卷积块均包含七个连续的卷积层；计算所述深层特征提取通路的每个卷积块输出的FMs尺度为： C＝M2， 其中，C×C为所述卷积层输出的FMs尺度，M×M为卷积层输入的FMs尺度； 所述构建轻量级残差注意力增强网络LRAE-Unet模型，还包括： 在所述浅层特征提取通路上，对所述浅层特征提取通路的每个卷积层的权重施加批正则化，其中， 其中，y是产生一批满足均值为0，方差为1的FMs，x表示输入，mean[x]表示输入的平均值，Var[x]表示输入的方差，eps表示稳定系数，防止分母出现0，γ和β是对像素在BN基础上进行的调整，γ初始值为1，用于调整方差，β初始值为0，用于调整均值。

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北京工商大学，其通讯地址为：100048 北京市海淀区阜成路11号耕耘楼724室；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”。