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！

龙图腾网获悉北京信息科技大学申请的专利多粒度图像分类方法、装置、电子设备及存储介质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：CN119048791B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202410210752.4，技术领域涉及：G06V10/764；该发明授权多粒度图像分类方法、装置、电子设备及存储介质是由吕学强;董志安;滕尚志;马登豪设计研发完成，并于2024-06-14向国家知识产权局提交的专利申请。

本多粒度图像分类方法、装置、电子设备及存储介质在说明书摘要公布了：本申请公开了一种多粒度图像分类方法、装置、电子设备及存储介质。该分类方法通过层次多粒度图像分类模型实现，该方法包括：获取多尺度信息的特征图；提取并融合不同层次粒度的特征向量，得到各个层次的多尺度融合特征向量；对各个层次的多尺度融合特征向量进行层次特征映射；将映射得到的特征向量与被映射的细粒度特征向量进行融合操作；层次多粒度图像分类模型的损失函数包括基于类别中心的三元组损失。本申请实施例的方法，增加了网络的局部细节信息，对各类别层次的多粒度特征进行融合，解决了层次间粗细粒度所对应的区域不同的问题，采用基于类别中心的三元组损失增强了图像的特征表示和提升了各层次粒度图像分类准确度。

本发明授权多粒度图像分类方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种多粒度图像分类方法，其特征在于，通过层次多粒度图像分类模型实现，所述分类方法包括： 获取多尺度信息的特征图； 提取并融合不同层次粒度的特征向量，得到各个层次的多尺度融合特征向量，对高级语义特征图进行粒度信息提取，得到高级语义特征向量，对中级语义特征图进行粒度信息提取，得到中级语义特征向量，将中级语义特征向量与高级语义特征向量两两组合得到多尺度信息融合特征，粒度信息提取模块是由1×1逐通道卷积层、3×3逐点卷积层、批归一化层、ReLU激活函数组成； 对所述各个层次的多尺度融合特征向量进行层次特征映射，将上层粗粒度的特征向量通过特征映射算法映射到其下层细粒度的特征向量上，记为其中，l表示层次粒度的第l层，上层粗粒度特征向量通过映射到细粒度特征向量空间上来得到多粒度的特征信息； 将映射得到的特征向量与被映射的细粒度特征向量进行融合操作； 所述层次多粒度图像分类模型的损失函数包括基于类别中心的三元组损失，对输入图像进行细粒度特征提取，得到预测结果，当预测结果正确时，则不使用三元组损失TCL，当预测结果是错误类别时，则查询类别特征中心数据库对应的错误类别特征中心向量和正确类别特征中心向量将正确类别和错误类别各自的特征中心分别作为正样本和负样本，模型提取的图像细粒度特征向量记为fa，利用三元组构成三元组损失： 其中，da,b表示计算a和b的距离，α表示阈值，在类别特征中心数据库中更新正确类别和错误类别的特征中心； 所述层次多粒度图像分类模型的损失函数还包括重排序分类损失，得到类别预测向量v后，保留前k个类别预测概率最大值，其他的值则置为0，对该类别预测向量进行归一化操作，从而得到新的类别预测向量vTop-k，其中，中级语义类别预测向量，记为高级语义类别预测向量，记为其中，表示保留前k个类别预测概率最大值，其他的值置为0，k是超参数，fn·表示归一化；中级语义分类信息的重排序分类损失RCL可以被定义为式1，高级语义分类信息的RCL可以被定义为式2，总的重排序分类损失可以被定义为式3： 其中，i表示层次粒度的第i层，CEi·表示第i层的交叉熵损失，labeli表示第i层的真实标签。

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信息科技大学，其通讯地址为：100192 北京市海淀区清河小营东路12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。