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采用改进的轻量级卷积神经网络的公共交通识别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：CN116229134B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202211550616.7，技术领域涉及：G06V10/764；该发明授权一种采用改进的轻量级卷积神经网络的公共交通识别方法是由纪良浩;马恺璘设计研发完成，并于2022-12-05向国家知识产权局提交的专利申请。

本一种采用改进的轻量级卷积神经网络的公共交通识别方法在说明书摘要公布了：本发明请求保护一种采用改进的轻量级卷积神经网络的公共交通识别方法，属于计算机视觉检测领域，包括：在网络结构中引入轻量化通道注意力模块，采用重参数化对通道注意力模块进行参数转换，得到一个深度卷积单元；将网络结构中的ReLU激活函数进行替换，采用性能更优的Swish激活函数；设计通道混洗卷积核，将输入特征图在特征通道顺序上进行反置得到反置特征图，将反置特征图与输入特征图进行元素相加操作，得到一个特征通道之间信息混合的输出特征图；设置初始通道混合系数，分别赋值到输入特征图和反置特征图，并参与到模型训练过程中，训练完成后得到模型自适应的混合系数，达到输入特征图和反置特征图的自适应混合状态。

本发明授权一种采用改进的轻量级卷积神经网络的公共交通识别方法在权利要求书中公布了：1.一种采用改进的轻量级卷积神经网络的公共交通识别方法，其特征在于，包括以下步骤： 一、获取大型公共数据集ImageNet2012，其中包含了公共交通领域存在的绝大部分类别数据图像，并进行图像预处理； 二、改进轻量级卷积神经网络的步骤； S1，具体包括：在卷积神经网络结构中引入轻量化通道注意力模块，采用重参数化对通道注意力模块进行参数转换，得到一个深度卷积单元； S2、将网络结构中的ReLU激活函数进行替换，采用Swish激活函数； S3、设计通道混洗卷积核，将输入特征图在特征通道顺序上进行反置得到反置特征图，将反置特征图与输入特征图进行元素相加操作，得到一个特征通道之间信息混合的输出特征图； S4、设置初始通道混合系数，分别赋值到输入特征图和反置特征图，并参与到模型训练过程中，训练完成后得到模型自适应的混合系数，达到输入特征图和反置特征图的自适应混合状态； 三、将预处理后的交通图像输入改进轻量级卷积神经网络中，得到公共交通识别结果； 所述步骤S1中采用重参数化对通道注意力模块进行参数转换过程具体如下： S1-1、在模型训练阶段，将SA-Net混洗注意力网络的通道注意力结构中的Sigmoid操作进行裁剪，采用一组可训练的权重系数Sigmoidweight来代替； S1-2、在模型推理阶段，将全局均值池化操作等效成一个尺寸同输入特征图大小的深度卷积核，等效后的卷积参数值均为其中H为输入特征图的高度，W为输入特征图的宽度； S1-3、在模型推理阶段，将其他可训练的通道权重系数与由全局均值池化等效的卷积核参数进行相乘及相加数学运算，得到重参数化后的通道权重系数卷积核； 所述步骤S4中使输入特征图和反置特征图进行自适应混合过程具体如下： S4-1、在模型训练阶段，设置两组尺寸维度为C*1*1的混合系数，其中将输入特征图V的混合系数初始化为1.0，将反置特征图U的混合系数初始化为0.0，并将两组混合系数加入到模型的训练过程中，经过模型训练完毕后，将会获得最终的混合系数α和β； S4-2、通过重参数化，将模型训练完成后的混合系数α和β与S3所述的正、反序混洗卷积核进行参数融合，融合运算规则如下： 其中αi为输入特征图第i个通道上的混合系数值；βi为反置特征图第i个通道上的混合系数值；oc_i为重参数化后，第c个混合卷积核的第i个通道上的参数值。

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。