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！

龙图腾网获悉东南大学申请的专利一种双通道注意力机制的深度卷积网络目标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：CN115601583B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202211090432.7，技术领域涉及：G06V10/764；该发明授权一种双通道注意力机制的深度卷积网络目标识别方法是由王俊杰;赵立业;黄程韦设计研发完成，并于2022-09-07向国家知识产权局提交的专利申请。

本一种双通道注意力机制的深度卷积网络目标识别方法在说明书摘要公布了：本发明公开了一种双通道注意力机制的深度卷积网络目标识别方法，包括以下步骤，构建卷积神经网络，以单个样本对作为输入，提取高维特征图；分别构建空间注意力与通道注意力机制模块，以神经网络提取的两幅高维特征图作为输入，计算空间维度上特征像素间的相关性并与原始特征逐元相加；将空间与通道注意力机制模块的输出在通道维度上堆叠，获得模型最终的特征表示；构建训练样本对，同类目标通过数据增强扩充规模，不同类目标直接成对；计算交叉熵损失通过随机梯度下降学习网络参数，得到具有区分目标类别能力的神经网络模型。通过本发明可以在单样本场景下以及对于未参与训练的目标类别提升视觉目标图像识别的准确率。

本发明授权一种双通道注意力机制的深度卷积网络目标识别方法在权利要求书中公布了：1.一种双通道注意力机制的深度卷积网络目标识别方法，其特征在于：包括以下步骤， 步骤1：构建卷积神经网络，以图像样本对作为输入，提取高维特征图； 步骤2：构建空间注意力机制模块，以神经网络提取的两幅高维特征图作为输入，计算空间维度上特征像素间的相关性并与原始特征逐元相加； 步骤3：构建通道注意力机制模块，以神经网络提取的两幅高维特征图作为输入，计算通道维度上特征通道间的相关性并与原始特征逐元相加； 步骤3-1：对于步骤1所述的神经网络提取到的高维特征图F∈RC×H×W，其中H、W、C分别表示特征图的高度、宽度和通道数，展平其宽高维度后以自身与自身的转置做乘积获得通道注意力矩阵Mt∈RC×C，令i,j代表空间第i个位置与第j个位置，T为转置运算，具体为 步骤3-2：使F与Mt相乘并与原始特征F∈RC×H×W逐元相加，获得输出特征Ft，具体为 其中ηt为可训练的尺度因子，并初始化为0，用于避免过大； 步骤4：将空间注意力机制模块与通道注意力机制模块的输出在通道维度上堆叠，获得模型最终的特征表示； 步骤5：构建训练样本对，同类目标通过数据增强扩充规模，不同类目标直接成对； 步骤6：计算交叉熵损失通过随机梯度下降学习网络参数，得到具有区分目标类别能力的神经网络模型； 步骤6-1：令神经网络经过双注意力机制处理输出的一对特征图F1′,F2′∈R2×C×H×W分别经过全局平均值池化，得到一对特征向量f1,f2∈R2×C，我们计算f1与f2之间的欧式距离，并经Sigmoid函数映射至[0,1]范围内，得到神经网络最终的输出yi，随后定义交叉熵损失函数loss，具体为 其中i表示第i对输出特征；yi，是神经网络的输出； 步骤6-2：以loss作为损失函数，以步骤5所述的样本对作为输入，采用自适应矩估计算法训练步骤1～4所述的神经网络，利用梯度的一阶矩估计和二阶矩估计动态调整每个参数的学习率，其中，自适应矩估计算法的权值衰减设置为5e-5，以32个样本作为一个小批次进行输入，学习率初始化为4e-3，每40个迭代周期衰减为原先的一半，共迭代200个周期，得到具有区分目标类别能力的神经网络模型。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2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”。