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！

龙图腾网获悉河钢数字技术股份有限公司;山东大学;青岛海尔智能技术研发有限公司申请的专利基于小目标数据增强和多视角协同推理的废钢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：CN114821256B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202210426917.2，技术领域涉及：G06V10/80；该发明授权基于小目标数据增强和多视角协同推理的废钢分类方法是由申培;聂礼强;郝亮;甘甜;李玉涛;李华刚;冯兴;赵立智设计研发完成，并于2022-04-21向国家知识产权局提交的专利申请。

本基于小目标数据增强和多视角协同推理的废钢分类方法在说明书摘要公布了：本发明公开了一种基于小目标数据增强和多视角协同推理的废钢分类方法，涉及金属回收技术领域。包括以下步骤：建立多视角废钢图片数据集、针对大分辨率图像设计剪裁策略、生成特征图、提取不同视角废钢图片之间的一致性与互补性特征信息、实现小型废钢的分类、检测和分割和对输入图片进行预测，获取分类、检测和分割结果。针对大分辨率图像设计剪裁策略，通过对输入图片进行裁剪操作来进行图像增强，提高了小型废钢在每张图片中的面积占比，以助于提取到足够的特征进行识别，能够提升对小型废钢的检测率和分类准确率。

本发明授权基于小目标数据增强和多视角协同推理的废钢分类方法在权利要求书中公布了：1.一种基于小目标数据增强和多视角协同推理的废钢分类方法，其特征在于：包括以下步骤： S1：建立多视角废钢图片数据集，存储同一时刻的多视角废钢图片； S2：针对大分辨率图像设计剪裁策略，对输入图片进行裁剪并进行图像的增强； S3：使用预训练好的ResNet50模型提取废钢图片特征，生成特征图； S4：将S3生成的特征图输入多视角协同网络，提取不同视角废钢图片之间的一致性与互补性特征信息； S5：将S4提取出的一致性与互补性信息进行加权，与原始特征图进行融合，形成新特征图，利用该一致性与互补性信息进行分类； S6：结合S5中的新特征图，输入RPN网络后进行RoiAlign操作，输入Mask-Rcnnhead,实现小型废钢的分类、检测和分割； S7：对输入图片进行预测，获取分类、检测和分割结果； 所述步骤S4具体包括： S41：将多视角特征图分为一个主视角特征图与两个辅助视角特征图和； S42：将两个辅助视角特征图和进行拼接，形成辅助视角特征图； S43：将S42中的主视角特征图与辅助视角特征图进行拼接，经过一个全连接层后输入softmax函数，得到对应主视角特征图每个维度的关联分数向量，公式表示如下： 其中，表示可学习的权重矩阵，其中表示主视角特征图的维数，表示全面向量的维数，表示对应主视角特征图每个维度的关联分数向量； S44：将S42中的辅助视角特征图与主视角特征图进行拼接，经过一个全连接层后输入softmax函数，得到对应辅助视角特征图每个维度的关联分数向量，公式表示如下： ， 其中表示可学习的权重矩阵，其中表示辅助视角特征图的维数，表示全面向量的维数，表示对应辅助视角特征图每个维度的关联分数向量； S45：使用步骤S43和S44中的关联分数向量，可以将不同视角的一致性和互补性特征进行区分；设置可供训练的阈值，其中；阈值可以将关联分数向量分为：一致性权重向量和互补性权重向量，具体由以下公式进行区分： ， 其中指一致性权重向量第维的值，表示一致性的程度； ， 其中指互补性权重向量第维的值，表示互补性的程度； 由于上述两个公式是不连续的，采用了一个sigmoid函数使它们连续，公式如下： ， 其中是一个可以训练的权重，用来衡量和的差别，使与0或者尽可能接近；经过该步骤，可得到2个一致性权重向量及2个互补性权重向量； S46：通过S45中的4个权重向量与主视角特征图和辅助视角特征图和求内积，得到主视角特征图和辅助视角特征图中的一致性和互补性信息，公式如下： ， ， ， ， 其中是互补主向量，表示主视角特征图中的互补信息；是互补辅助向量，表示辅助视角特征图中的互补信息，是一致主向量，表示主视角特征图中的一致信息；是一致辅助向量，表示辅助视角特征图中的一致信息； S47：将一致主向量与一致辅助向量进行拼接，输入一个神经网络和一个激活函数，获得增强后的一致向量信息，公式如下： ， 其中是一个可训练的权重矩阵，是一个激活函数，是增强后的一致向量信息；为了能更好的把互补信息和一致信息结合，将互补主向量、增强后的一致向量、互补辅助向量进行拼接，得到具有全面信息的一致性互补性信息向量，公式为； S48：计算KL的散度损失，公式如下： ， ， 其中，是废钢类别的可能性分布，是可训练的权重矩阵，是计算出来的KL散度损失； 所述步骤S5具体包括： S51：将具有全面信息的一致性互补性信息向量输入一个神经网络和一个激活函数，获得加权后的一致性互补性信息向量，公式如下： ， 其中，是一个可训练的权重矩阵，是具有全面信息的一致性互补性信息向量； S52：将加权后的一致性互补性信息向量与步骤S41中的一个主视角特征图与两个辅助视角特征图和分别进行聚合，形成融合后的主视角特征图与辅助视角特征图和。

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河钢数字技术股份有限公司;山东大学;青岛海尔智能技术研发有限公司，其通讯地址为：050000 河北省石家庄市高新区黄河大道136号科技中心1号楼；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。