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！

龙图腾网获悉重庆邮电大学申请的专利一种基于深度自主学习的铅浮选泡沫图像分类方法及系统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：CN119600339B 。

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：202411643708.9，技术领域涉及：G06V10/764；该发明授权一种基于深度自主学习的铅浮选泡沫图像分类方法及系统是由钟福金;邹云鹏;潘欣;余建航;于洪设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种基于深度自主学习的铅浮选泡沫图像分类方法及系统在说明书摘要公布了：本发明涉及计算机视觉技术，特别涉及一种基于深度自主学习的铅浮选泡沫图像分类方法及系统，方法包括构建以EfficientNetB6和Transformer网络结构融合的图像分类网络，获取带有分类标签的图像数据和无标签的图像数据，并对图像进行预处理；从带有分类标签的图像数据中采样m个样本对图像分类网络进行初始化训练；通过自主学习从无标签的图像数据中选出n个信息量最大的数据进行手动标注；利用选择的数据对初始化训练的数据进行进一步训练，得到完成训练的图像分类网络。本发明显著提升了模型的训练速度和复杂泡沫图像分类的能力，减少了标注所需的样本数量，从而降低了人力和时间成本。

本发明授权一种基于深度自主学习的铅浮选泡沫图像分类方法及系统在权利要求书中公布了：1.一种基于深度自主学习的铅浮选泡沫图像分类方法，其特征在于，构建以EfficientNetB6和Transformer网络结构融合的图像分类网络，利用训练后的图像分类网络进行图像分类，图像分类网络由级联的卷积层、EfficientNetB6、Transformer网络以及线性层构成，其中EfficientNetB6由级联的七个卷积模块构成，每个卷积模块由一个或者多个卷积单元构成，级联构成EfficientNetB6的七个卷积模块分别由一个卷积单元、两个卷积单元级联、两个卷积单元级联、三个卷积单元级联、三个卷积单元级联、四个卷积单元级联、一个卷积单元构成，卷积单元对数据的处理过程包括：输入特征图通过级联的卷积层、深度可分离卷积层、自注意力模块、卷积层、Droupout层处理得到特征图，将该特征图通过跳跃连接层与输入特征图进行相加融合作为卷积模块的输出，自注意力模块对数据的处理过程包括：输入特征图通过级联的全局平均池化层和两个全连接层处理得到的特征图通过跳跃连接层与输入特征图进行相乘融合作为自注意力模块的输出；图像分类网络的训练过程包括： 获取带有分类标签的图像数据和无标签的图像数据，并对图像进行预处理； 从带有分类标签的图像数据中采样m个样本对图像分类网络进行初始化训练； 通过自主学习从无标签的图像数据中选出n个信息量最大的数据进行手动标注； 将手动标注的的数据更新带有分类标签的图像数据，利用更新后的图像数据集进一步训练初始化训练后的图像分类网络； 利用进一步训练后的图像分类网络执行铅浮选泡沫图像分类任务。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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”。

以上内容由龙图腾AI智能生成。