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基于Transformer轻量化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：CN116310506B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202310090225.X，技术领域涉及：G06V10/764；该发明授权基于Transformer轻量化模型的图像分类方法是由李国强;吴燕芳设计研发完成，并于2023-02-09向国家知识产权局提交的专利申请。

本基于Transformer轻量化模型的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Transformer轻量化模型的图像分类方法，属于深度学习图像分类的领域，包括以下步骤：S1:对ShuffleNetV2的基本模块和下采样模块进行改进，ShB模块是在基本模块中加入了跳跃连接和ECA，将下采样模块与多特征提取、ECA和Ghost模块相结合提出ShD模块；S2：根据ViT模块提出一种局部和全局信息交互的ShT模块；S3：将ShD与ShB和ShT模块进行有效设计堆叠，构建ShViT网络；S4：ShViT网络在分类数据集上进行训练及测试，得到分类结果。本发明搭建了参数量低、所需内存资源低的轻量化网络模型ShViT，能够在参数量减少的情况下实现较好的分类性能。

本发明授权基于Transformer轻量化模型的图像分类方法在权利要求书中公布了：1.基于Transformer轻量化模型的图像分类方法，其特征在于，包括以下步骤： 步骤S1：对ShuffleNetV2轻量化卷积神经网络的基本模块和下采样模块改进后得到ShB基本模块和ShD下采样模块； 步骤S2:基于VisionTransformer模块提出一种局部和全局表征信息交互的ShT基本模块，具体包括：将输入ShT基本模块的特征图先经过通道分离操作将通道分成两个分支，一个分支先利用多个卷积分别进行局部表征提取及通道信息提取，然后再利用若干个Transformer模块进行全局表征提取，另一分支只通过多个卷积进行局部表征提取和通道特征提取，最后将两个分支的特征图进行拼接，输出目标特征图且维度不变；ShT基本模块则既具有卷积性质，又结合了ViT中对输入特征图信息进行自适应加权和建立全局依赖； 步骤S2中ShT基本模块中含全局表征提取的分支先利用深度可分离卷模块提取局部表征，1×1卷积提取通道信息，接着将特征图分割成token并展开成序列，再输入到若干个Transformer模块中进行全局特征提取，然后再将特征折叠成原特征图形式；ViT是先将块进行投影，然后用若干个Transformer模块学习块之间的全局信息，这就丢失了图像的归纳偏置信息，需要耗费更多的参数来学习，而ShT基本模块则既含有卷积性质，又结合了ViT中对输入特征图信息进行建立全局依赖； 输入到若干个Transformer模块进行全局表征前先将特征图按n×n大小进行拆分成若干个块，每个块又被分为n2个token，每个块的n2个对应位置的token被标记成同一类token,在进行token展开时就会产生n2个序列，分别依次进入若干个Transformer模块，这样的操作会减少注意力操作时的计算量； 步骤S3:结合卷积及池化操作，将ShD下采样模块、ShB基本模块和ShT基本模块进行排序，构建ShViT网络构架，实现局部和全局表征信息交互，具体包括：将输入的分类图片第一阶段先利用卷积进行第一次下采样操作，然后先利用ShB基本模块进行局部特征提取；第二阶段依次输入ShD下采样模块和ShB基本模块；第三阶段依次经过ShD下采样模块和ShT基本模块，根据输入图片的尺寸选择重复第三阶段的次数和ShT基本模块中的Transformer模块数量，第四阶段经过卷积进行通道调整及空间信息编码，接着通过全局平均池化进行维度调整，最后经过全连接层进行特征综合得到对应的分类结果。

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”。