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！

龙图腾网获悉安徽工业大学申请的专利一种基于轻量去冗余卷积和改进Transformer的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：CN119418124B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202411562742.3，技术领域涉及：G06V10/764；该发明授权一种基于轻量去冗余卷积和改进Transformer的图像分类方法及系统是由吴紫恒;姚家祥;王兵;陈杰;陈松;李聪;赵远;汪文艳设计研发完成，并于2024-11-05向国家知识产权局提交的专利申请。

本一种基于轻量去冗余卷积和改进Transformer的图像分类方法及系统在说明书摘要公布了：本发明公开了一种基于轻量去冗余卷积和改进Transformer的图像分类方法及系统，属于图像处理技术领域，本发明包括获取分类图像数据集；将分类图像数据集划分为训练集与测试集并进行数据增强；构建轻量去冗余卷积和改进Transformer的图像分类模型并采用迁移学习的训练方式，使用训练集优化参数得到最优模型；加载训练好的最优模型，输入待分类图像得到分类结果。本发明通过构建轻量去冗余卷积对背景相似，目标区域小的图像进行特征筛选，去除冗余特征，获取鲁棒的特征表示，同时采用卷积神经网络和改进的Transformer结合的双流模式加强模型的归纳偏置能力和长距离依赖捕获能力，有效提高了图像分类最终结果的质量，具备适用性强和分类性能高的优良特性。

本发明授权一种基于轻量去冗余卷积和改进Transformer的图像分类方法及系统在权利要求书中公布了：1.一种基于轻量去冗余卷积和改进Transformer的图像分类方法，其特征在于，其步骤为： 步骤101：获取分类图像数据集，数据集中至少包含两类数据； 步骤102：将分类图像数据划分为训练集与测试集，并进行数据增强处理； 步骤103：构建轻量去冗余卷积和改进Transformer的图像分类模型，并对图像分类模型进行优化训练；所述图像分类模型包括4个Stage，4个Stage串行连接，其中：Stage1包括特征提取头Stem，轻量去冗余卷积模块SCBlock和改进Transformer模块LTABlock；Stage2、Stage3和Stage4结构相同，均包括下采样模块DSBlock，轻量去冗余卷积模块SCBlock和改进Transformer模块LTABlock； 数据在输入图像分类模型后，首先由特征提取头Stem进行初步特征提取，接着传入轻量去冗余卷积模块SCBlock和改进Transformer模块LTABlock进行并行处理，形成双流特征提取通道后进行特征融合； 所述轻量去冗余卷积模块SCBlock的数据处理过程为：数据先进入去冗余卷积SCS，然后通过卷积核大小为7，步距为1，填充为3的深度可分离卷积DSC和层归一化LN，接着通过卷积核大小为1，步距为1的卷积Conv，以及卷积核大小为7，步距为1，填充为3的卷积Conv，层归一化LN，最后输入DropPath防止过拟合； 所述改进Transformer模块LTABlock的数据处理过程为：输入特征先分别经过卷积核大小为3和1的卷积进行初步特征提取，接着由全局特征学习的Transformer模块进行全局上下文信息建模，再依次通过卷积核大小为1的卷积和卷积核大小为3的卷积调整通道数和特征图尺寸，最后经过局部通道注意力交互机制强化边缘特征； 步骤104：加载并保存训练好的最优模型，输入待分类图像得到图像数据的分类结果。

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安徽工业大学，其通讯地址为：243002 安徽省马鞍山市花山区湖东路59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。