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！

龙图腾网获悉宝鸡文理学院申请的专利一种具有全局与局部注意力的动态卷积深度神经网络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：CN115294393B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202210949574.8，技术领域涉及：G06V10/764；该发明授权一种具有全局与局部注意力的动态卷积深度神经网络分类方法是由李亚峰;任前前;海涛;李宁;陈冬设计研发完成，并于2022-08-09向国家知识产权局提交的专利申请。

本一种具有全局与局部注意力的动态卷积深度神经网络分类方法在说明书摘要公布了：本发明公开了一种具有全局与局部注意力的动态卷积深度神经网络分类方法，属于图像分类和人工智能技术领域，通过对深度卷积神经网络中的卷积层进行分析，设计并搭建具有全局与局部注意力的动态卷积核模块以改进传统的卷积操作。该方法包括以下具体步骤：S1、将数据集划分为训练集与测试集；S2、设计并搭建具有全局与局部注意力的动态卷积核模块；S3、将搭建的具有全局与局部注意力的动态卷积深度神经网络在自然图像分类数据集上进行训练和测试，减少网络的参数量与计算复杂度，从而更好的解决图像分类问题。

本发明授权一种具有全局与局部注意力的动态卷积深度神经网络分类方法在权利要求书中公布了：1.一种具有全局与局部注意力的动态卷积深度神经网络分类方法，其特征在于，该方法包括以下步骤： S1、准备自然图像分类数据集，将该数据集划分为训练集与测试集； S2、设计并搭建具有全局与局部注意力的动态卷积核模块，将所述动态卷积核模块嵌入到深度卷积神经网络中，利用具有全局与局部注意力的动态卷积核模块进行动态卷积； S3、将搭建的具有全局与局部注意力的动态卷积深度神经网络在自然图像分类数据集上进行训练和测试，以验证具有全局与局部注意力的动态卷积核模块的有效性； 所述步骤S2中，利用具有全局与局部注意力的动态卷积核模块进行动态卷积的方法包括： S21、搭建具有全局通道注意力的卷积核模块； S22、搭建具有局部空域注意力的卷积核模块； S23、搭建动态卷积模块； 所述步骤S21中，搭建具有全局通道注意力的卷积核模块的方法包括以下具体步骤： S211、对输入特征图的通道域，利用全局通道注意力的方法，生成具有全局通道注意力的权值，将该权值Reshape，获得具有全局通道注意力的卷积核； 所述步骤S22中，搭建具有局部空域注意力的卷积核模块的方法包括以下具体步骤： S221、对输入特征图的空域，利用局部空域注意力的方法，生成具有局部空域注意力的权值，将该权值Reshape，获得具有局部空域注意力的卷积核； 所述步骤S211中，获得具有全局通道注意力的卷积核的过程如下式1所示： ； 首先，对于输入特征图的通道域，利用全局平均池化GAP的方法,获得输入特征图通道域的全局特征；其次，利用三层全连接FC：C→Cr→ReLU→2Cr→ReLU→C，拟合通道间的复杂性，生成对应的全局通道注意力权值，再通过非线性激活函数Softmax，增加该权值的非线性，该全局通道注意力权值的维度为1x1xC；最后将维度为1x1xC全局通道注意力权值Reshape成维度为KxKxC的卷积核，得到对应的，其中，C表示通道数，r表示压缩率； 所述步骤S221中，获得具有局部空域注意力的卷积核的过程如下式2所示： ； 首先，对于输入特征图，通过Sum将输入特征图按通道相加，得到带通道信息的空域特征图；其次，对空域特征图中每个像素点提取KxK的邻域，得到HxW个KxK的邻域,对HxW个KxK的邻域利用FC和Softmax的方法，拟合空域间的复杂性，增加空域间的非线性，生成对应的局部空域注意力权值；最后将该局部空域注意力权值Reshape成HxW个KxK的的卷积核，得到对应的； 所述步骤S23中，搭建动态卷积模块的方法包括以下具体步骤： S231、首先，将公式1得到的与公式2得到的利用凸组合的方式进行融合，得到具有全局与局部注意力的动态卷积核； S232、其次，利用步骤S231得到的卷积输入特征图；对于输入特征图中的每个像素点Xi,j，都有对应的卷积核卷积，对于输入特征图X可以做到空域特异，通道域特异，最后得到输出特征图。

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宝鸡文理学院，其通讯地址为：721000 陕西省宝鸡市渭滨区宝光路44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。