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！

龙图腾网获悉南京邮电大学申请的专利一种图像分类模型、模型训练方法及其应用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：CN115880523B 。

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：202211458993.8，技术领域涉及：G06V10/764；该发明授权一种图像分类模型、模型训练方法及其应用是由陈旭晖;陆雪琪;郭玫麟;尹海涛设计研发完成，并于2022-11-17向国家知识产权局提交的专利申请。

本一种图像分类模型、模型训练方法及其应用在说明书摘要公布了：本发明涉及深度学习图像分类技术领域，提供了一种图像分类模型、模型训练方法及其应用，所述图像分类模型训练方法具体是通过数据增强提高样本的质量和多样性以获得更好的训练效果；并通过ResNet50模型，引入通道注意力机制模块形成SE‑ResNet50模型，利用通道注意力机制对自适应的特征权重学习；接着SE‑ResNet50模型中，加入多尺度特征的层间信息融合模块；最后在网络结构中引入多尺度特征融合自注意力模块，形成SEL‑ResNet50网络，即本发明所述图像分类模型；所述图像分类模型应用于医学影像图片分类，可以兼顾分类效率和精度。

本发明授权一种图像分类模型、模型训练方法及其应用在权利要求书中公布了：1.一种图像分类模型训练方法，其特征在于，所述模型训练方法包括： 步骤一，输入训练样本中的训练图像，对所述训练图像进行数据增强，所述数据增强过程包括：随机概率的翻转与旋转、从图像中心区域进行缩放裁剪处理，通过所述数据增强可以增加训练样本的多样性，提升模型的泛化性能；然后对数据增强后的训练图像进行归一化处理，输出预处理后的图像； 步骤二，将步骤一所得到所述预处理后的图像先输入第一尺度缩减层，输出第一阶段图像特征X1、再将X1输入第二尺度缩减层，输出X2；X2输入第三尺度缩减层，输出X3；所述第一尺度缩减层、第二尺度缩减层和第三尺度缩减层为添加了注意力机制模块的SE-ResNet50网络中每一次特征图尺寸缩减的网络层的前三个阶段的尺度缩减层；所述SE-ResNet50网络共包含四个尺度缩减层；每一个尺度缩减层是原SE-ResNet50网络中的一部分结构，特征图在通过该结构后其尺度大小会得到缩减；每个尺度缩减层是由n个添加了通道注意力机制SE-Block的SE-ResNet模块堆叠而成，n为大于1的正整数； 所述通道注意力机制SE-Block的操作步骤包括：对输入的特征进行全局池化操作，接着将池化的特征输入两层感知机模块并采用sigmoid激活函数获得权重，然后与原残差块的输入特征相乘并赋予权重，得到相比于原来更加有通道特征信息的特征图； 步骤三，将所述第一尺度缩减层、第二尺度缩减层和第三尺度缩减层的输出X1，X2和X3同时输入层级融合网络，经过下采样变换后再在一个新的维度层面拼接起来，得到特征图Y，特征图Y作为融合后的特征图； 步骤四，在层级融合网络之后，采用基于自注意力的多尺度特征融合注意力模块，将输入的特征图Y拼接成矩阵并与其转置相乘得到权重矩阵，权重矩阵与输入特征图Y的拼接矩阵相乘后调整维度作为注意力网络输出特征图X'，乘上权重系数α并与X3相加作为整体的输出Z； 步骤五，将网络模型所述输出Z输入第四个尺度缩减层，输出尺寸为7×7×2048的特征，再直接输入分类器；所述分类器的处理过程包括：采用自适应池化将输出的尺寸调整为1×1×2048，再通过线性层将其变化为1×1×15的大小，最后接入一个sigmoid激活函数将输出范围调整到0,1之内。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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。