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！

龙图腾网获悉中国科学院深圳先进技术研究院申请的专利基于卷积神经网络-转换器混合架构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：CN114359622B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202111479058.5，技术领域涉及：G06V10/764；该发明授权基于卷积神经网络-转换器混合架构的图像分类方法是由苏童;宋呈群;程俊设计研发完成，并于2021-12-06向国家知识产权局提交的专利申请。

本基于卷积神经网络-转换器混合架构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卷积神经网络‑转换器混合架构的图像分类方法。该方法包括：利用预训练卷积神经网络提取图像的特征并生成指示目标位置轮廓的注意力掩码，该注意力掩码表征对应元素属于目标类别的概率；将所述注意力掩码作为先验信息指导转换器网络，以关注辨识性区域来确定图像类别，其中所述转换器网络是以设定的损失函数为优化目标经训练获得。本发明能自动发现目标辨识性的区域，并学习该区域的特征以供区分类别，从而提升了细粒度图像分类的准确性。

本发明授权基于卷积神经网络-转换器混合架构的图像分类方法在权利要求书中公布了：1.一种基于卷积神经网络-转换器混合架构的图像分类方法，包括以下步骤： 利用预训练卷积神经网络提取图像的特征并生成指示目标位置轮廓的注意力掩码，该注意力掩码表征对应元素属于目标类别的概率； 将所述注意力掩码作为先验信息指导转换器网络，以关注辨识性区域来确定图像类别，其中所述转换器网络是以设定的损失函数为优化目标经训练获得； 其中，所述注意力掩码采用以下公式获得： 其中，Mi表示第i个通道的特征图，Norm表示规范化操作； 其中，对于所述转换器网络，其包含多层编码器，首先输入的图像张量将被分块并投影为固定大小的一维特征向量，并额外添加一个用于分类的可学习向量和一个用于位置编码的可学习向量，最后输入编码器的张量表示为： z0＝[x0；x1,x2，…,xN]+xpos 其中，x0、xpos分别表示添加的分类向量和位置编码，均被初始化为高斯分布的向量并设置为可学习的；x1至xN表示各个小块对应的一维特征向量； 其中，所述转换器网络的分类头是基于弧度损失的角损失模块，所述转换器网络的最后一个编码器输出的分类向量作为图像的全局特征描述输入该角损失模块； 其中，所述角损失模块首先设有一个n×D的权重矩阵，其中n为类别数，D为模型维度，该权重矩阵的每一个D维向量作为一个类别的特征向量，根据分类向量与类别特征向量的余弦距离来判定图像所属的类别。

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中国科学院深圳先进技术研究院，其通讯地址为：518055 广东省深圳市南山区深圳大学城学苑大道1068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。