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！

龙图腾网获悉江西理工大学申请的专利一种基于数据增强的细粒度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：CN115546540B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202211195834.3，技术领域涉及：G06V10/764；该发明授权一种基于数据增强的细粒度图像分类方法是由黄君洪;李伟;蒋海浪设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本一种基于数据增强的细粒度图像分类方法在说明书摘要公布了：本发明提供一种基于数据增强的细粒度图像识别方法，属于计算机视觉技术领域。本发明首先在训练阶段首先通过特征图定位对象最具有判别力的细微部件作为增强的部件图像，然后擦除对象最具有判别力的细微部件作为增强的互补图像。通过输入部件图像可以使模型学习对象最具有判别力的细微部件，通过输入互补图像可以迫使网络发现对象其他具有判别力的细微部件。本文所提出的方法先定位对象最具有判别力的部件作为增强的部件图像再进行擦除，提升了最具有判别力的部件在图像中的占比，在部件掩码的指导下进行擦除，避免了擦除时引入过多噪声，保证了擦除的准确性；模型可以学到对象的多个具有判别力的部件，提升细粒度图像分类效果。

本发明授权一种基于数据增强的细粒度图像分类方法在权利要求书中公布了：1.一种基于数据增强的细粒度图像分类方法，其特征在于，包括： S1数据预处理：对原始图像进行图像预处理得到训练图像； S2模型训练： S21将所述训练图像输入到骨干网络中得到特征图一，所述特征图一经过全连接层分类后计算分类的原始损失； S22根据所述特征图一对所述训练图像进行特征定位得到定位对象图； S23将所述定位对象图输入到骨干网络中得到特征图二，所述特征图二经过全连接层分类后计算分类的定位损失； S24根据所述特征图二对所述定位对象图进行数据增强处理得到部件图像和互补图像； S25依次将所述部件图像和所述互补图像输入到骨干网络和全连接层，并计算分类的部件损失和互补损失； S26将所述原始损失、定位损失、部件损失和互补损失之和作为模型的整体损失，通过反向传播更新模型参数； S27重复步骤S2，直到模型收敛或者达到指定的迭代次数； S3图像分类： S31将经过图像预处理的待分类图像输入到骨干网络中得到特征图三； S32根据所述特征图三对所述待分类图像进行特征定位得到定位对象图像； S33将所述定位对象图像输入到骨干网络和全连接层得到所述待分类图像对应的标签类别； 所述骨干网络是以图像分类为训练任务的预训练模型； 所述步骤S21、S23、S25中的骨干网络、全连接层是共享参数的。

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江西理工大学，其通讯地址为：341000 江西省赣州市章贡区红旗大道86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。