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！

龙图腾网获悉北京理工大学申请的专利一种基于分区池化超图神经网络的图节点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：CN116883746B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310861005.2，技术领域涉及：G06V10/764；该发明授权一种基于分区池化超图神经网络的图节点分类方法是由金福生;崔鹏;徐源;袁野;王国仁设计研发完成，并于2023-07-13向国家知识产权局提交的专利申请。

本一种基于分区池化超图神经网络的图节点分类方法在说明书摘要公布了：本发明公开了一种基于分区池化超图神经网络的图节点分类方法，涉及图像处理技术领域，将司法图像中的实体目标视为图中的节点，将实体目标之间的关系建模为图Graph，将目标分类任务转化为图的节点分类任务，从而充分利用实体目标之间的关联关系，将FastRCNN提取到的深层特征向量视为节点的特征向量，然后根据节点特征向量的相似度构建节点之间的邻接关系，最后使用图节点分类技术完成司法图像的目标识别任务。本发明通过池化技术，提高图像分类识别速度和精度。

本发明授权一种基于分区池化超图神经网络的图节点分类方法在权利要求书中公布了：1.一种基于分区池化超图神经网络的图节点分类方法，其特征在于，包括以下步骤： 步骤1：获取司法图像，并利用FastRCNN提取司法图像中所有实体目标的高阶特征向量； 步骤2：将司法图像中的实体目标作为节点，将高阶特征向量作为节点特征向量，所有节点的节点特征向量构成节点特征矩阵；计算任意两个节点特征向量的余弦相似度，将余弦相似度超过设定相似阈值的节点特征向量对应的两个节点作为相邻节点，获得初始的邻接矩阵，构建原始图； 步骤3：将原始图转化为超图，根据邻接矩阵构建超图，获得超图关联矩阵，并初始化迭代次数； 步骤4：分区池化超图神经网络的超图卷积层根据超图关联矩阵计算超图拉普拉斯矩阵，利用超图拉普拉斯矩阵更新节点特征矩阵； 步骤5：分区池化超图神经网络的分区域池化层根据超图关联矩阵和节点特征矩阵计算节点综合评分，根据节点综合评分在超图的超边内选择要保留的节点，删除其他节点，更新超图关联矩阵和节点特征矩阵； 步骤6：分区池化超图神经网络的的读出层根据超图关联矩阵和节点特征矩阵获得超边特征矩阵，迭代次数加1； 步骤7：迭代次数是否等于最大迭代次数，如果是，则进入步骤8，如果否则放回步骤4； 步骤8：根据超边特征矩阵对步骤2中的节点进行分类，实现司法图像分类。

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理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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”。

以上内容由龙图腾AI智能生成。