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！

龙图腾网获悉浙江云澎科技有限公司申请的专利一种基于深度学习的垃圾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：CN116721297B 。

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：202310745062.4，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的垃圾图像分类方法是由刘浙东;玄雪玲;曾长新;李金元;李申设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。

本一种基于深度学习的垃圾图像分类方法在说明书摘要公布了：本发明公开了一种基于深度学习的垃圾图像分类方法，该方法具体包括以下步骤：步骤一、提出一种基于迁移学习的EfficientNet网络，给定一个RGB图像img作为输入，采用在ImageNet上预训练过的EfficientNet提取主要特征Fa，步骤二、将提取到的特征Fa进一步输入到CA模块进行空间位置信息的重要关注。步骤三、再将上一步得到的特征输入到MSCAM模块中进行通道和尺度信息的重点关注。步骤五、将上一步得到的特征依次经过1×1卷积、全局平均池化层、全连接层和Softmax激活函数得到网络的最终输出。此外，搜集了3万多张垃圾图像用于网络的训练，包含90多种垃圾。为了解决训练时采用的数据集存在的长尾分布现象，实验训练时采用FocalLoss损失函数缓解长尾分布问题。

本发明授权一种基于深度学习的垃圾图像分类方法在权利要求书中公布了：1.一种基于深度学习的垃圾图像分类方法，其特征在于，包括， 获取摄像模块拍摄的图像数据集； 对所述图像数据集进行预处理； 将图像数据集导入到神经网络模型中，得到初次预测的数据结果，将所述的初次预测的数据结果与正确结果进行比较，得到性能指标，根据所述的性能指标对所述神经网络模型进行训练，直至所述性能指标趋近于收敛，得到训练后的所述神经网络模型，所述神经网络模型用于对输入其中的所述图像数据集进行分类判断，判断所述图像数据集属于给定的哪一类别，所述神经网络模型包含对所述图像数据集中物品隶属哪一类别的判断标准； 根据训练后的所述神经网络模型搭建垃圾分类小程序，获取实际垃圾图像，结合所述垃圾分类小程序，得到实际垃圾图像的分类结果； 所述神经网络模型包括以下处理步骤： 步骤一、给定一个RGB图像img作为输入，采用在ImageNet上预训练过的EfficientNet提取特征Fa： Fa＝Eimg 其中，E表示预训练的EfficientNet网络； 步骤二、将提取到的特征Fa进一步输入到CA模块进行提取得到特征Fca： 其中，CA表示CA模块,表示叉乘运算； 步骤三、将步骤二得到的特征Fca输入到MSCAM模块获取特征Fmscam： 其中，MSCAM表示MSCAM模块； 步骤四、将步骤三得到的特征Fmacam作为输入，采用1×1卷积提取最后的特征Fb： Fb＝Conv1Fmscam 其中，Conv1表示卷积操作； 步骤五、将步骤四得到的最后的特征Fb作为输入，依次采用全局平均池化，全连接层，softmax激活函数得到最终神经网络的结果F： F＝softmaxFCGAPFb； 所述MSCAM模块具体的工作方式如下： 对特征Fca分别进行全局平均池化操作和点卷积操作得到特征fgap和fpw： fgap＝GAPFca fpw＝PWConvFca 其中，GAP表示全局平均池化，PWConv表示点卷积； 对所述的特征fgap做两次点卷积得到特征fup，对步骤一所述的fpw做一次点卷积得到特征fdown： fup＝PWConvPWConvfgap fdown＝PWConvfpw 对所述的fup和fdown进行广播相加操作后通过sigmoid函数得到MSCAM的最终输出fmscam： 其中，σ表示sigmoid激活函数，表示广播相加。

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浙江云澎科技有限公司，其通讯地址为：321000 浙江省金华市婺城区北二环西路3739号浙师大网络经济创业园2号楼二楼201；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。