Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京理工大学;中国铁路上海局集团有限公司南京供电段徐洋获国家专利权

南京理工大学;中国铁路上海局集团有限公司南京供电段徐洋获国家专利权

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!

龙图腾网获悉南京理工大学;中国铁路上海局集团有限公司南京供电段申请的专利基于空间对称化不规则局部区域特征提取的细粒度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:CN114202659B

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:202111587972.1,技术领域涉及:G06V10/764;该发明授权基于空间对称化不规则局部区域特征提取的细粒度图像分类方法是由徐洋;杨明;徐伟;林立华;李彬;吴泽彬;韦志辉设计研发完成,并于2021-12-23向国家知识产权局提交的专利申请。

基于空间对称化不规则局部区域特征提取的细粒度图像分类方法在说明书摘要公布了:本发明公开了一种基于空间对称化不规则局部区域特征提取的细粒度图像分类方法,包括:将图像输入到深度卷积网络中得到特征图;将特征图输入到对称化局部区域提取模块中进行局部区域特征提取;利用注意力机制捕获特征之间的上下文关系;利用双向循环神经网络将空间结构信息与特征信息进行融合;以聚类的方式将所有特征用若干个聚类中心进行表示,联合所有聚类中心进行分类,得到目标类别。该方法克服了局部特征提取时,特征之间的空间信息丢失问题,同时提出的不规则区域特征提取模板能够有效的对目标的不规则的关键性的局部区域特征进行提取,最大程度上保留局部信息完整性和减少无关信息,能够提高细粒度图像分类的精度。

本发明授权基于空间对称化不规则局部区域特征提取的细粒度图像分类方法在权利要求书中公布了:1.一种基于空间对称化不规则局部区域特征提取的细粒度图像分类方法,其特征在于,包括以下步骤: 将图像输入到深度卷积网络中得到该图的特征图; 将该特征图输入到对称化局部区域提取模块中进行局部区域特征提取,该模块通过使用不规则区域特征提取模板进行特征提取,从而得到一个局部特征集合,具体如下: 对于给定的规则矩形的候选框,对其进行几何变换得到等面积但不规则的候选框集合: R_list=[R1,R2,......,Rn] I_list=[I1,I2,......,In] Ii=TRi SIi=SRi 其中Ri表示规则的候选框,Ii表示不规则的候选框,T表示对Ri按行或列对其进行左右或上下移位,S表示候选框面积;i=1,2,...,n; 用这些不规则的候选框在特征图的不同位置提取局部特征,再将这些特征按照在原图上的空间位置关于中心对称,随着特征的增多,这些特征囊括的范围逐渐增大: f_list=[f1,f2,f3,……,fn] Af1∩…∩Afn-i+ΔA=Af1∩…∩Afn-i+1 其中fi表示第i局部特征,Afi表示第i局部特征的候选框,表示中心对称关系,ΔA表示与已知集合相邻但不属于该集合的区域增量; 利用注意力机制捕获特征之间的上下文关系,突出重要的局部特征,抑制其他局部特征,具体如下: 将上述的集合中的各种形状的局部特征采用双线性插值函数放缩到规定大小: f=Bilinearf 利用注意力机制捕获上下文关系,具体为: 先计算特征t,t’之间的相似度,采用先对两个特征进行全连接映射再加和的方式求出相似向量gt,t': gt,t'=tanhWgft+Wg'ft'+bg 再将得到的向量gt,t'输入全连接中计算出注意力值αt,t': αt,t'=σWagt,t'+ba 用对应注意力值对整个特征集合进行加权求和得出新的等数量的特征集合I: 其中Wg、Wg'、Wa分别表示需要学习的矩阵,bg、ba分别表示需要学习的偏置,σ表示激活函数; 利用双向循环网络将空间结构信息与特征信息进行融合,从而得到语义信息更丰富的特征集合,具体如下: 新产生的特征ht由特征I1,I2,……,It的所有信息共同产生; 根据输入的It和上一个网络状态ht-1来计算这次输入信息比率it: it=σWi·[ht-1,It]+bi 根据输入的It和上一个网络状态ht-1来计算这次更新的备用信息 根据输入的It,it,和上一个网络变量Ct-1,来更新网络变量Ct: 根据输入的It和上一个网络状态ht-1来计算是这次信息丢弃的比率ot: ot=σWo[ht-1,It]+bo 由ot和网络变量Ct来更新网络状态ht: ht=ot*tanhCt 其中Wi、Wc、Wo分别表示待学习的矩阵,bi、bc、bo分别表示待学习的偏置,σ表示激活函数; 以聚类的方式将所有特征用聚类中心进行表示,从而去除冗余的信息,联合所有聚类中心进行分类,得到目标的类别。

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南京理工大学;中国铁路上海局集团有限公司南京供电段,其通讯地址为:210094 江苏省南京市孝陵卫200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”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。