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！

龙图腾网获悉淮阴工学院申请的专利一种基于迁移学习及ResNet50神经网络的图像识别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：CN116824239B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202310722593.1，技术领域涉及：G06V10/764；该发明授权一种基于迁移学习及ResNet50神经网络的图像识别方法及系统是由臧建东;沈骞;吴金花;徐寅;胡婷设计研发完成，并于2023-06-19向国家知识产权局提交的专利申请。

本一种基于迁移学习及ResNet50神经网络的图像识别方法及系统在说明书摘要公布了：本发明公开了一种基于迁移学习及ResNet50神经网络的图像识别方法及系统，该方法包括构建ResNet50神经网络作为基准模型，并对该模型进行优化改进；采用迁移学习方式对优化改进后的基准模型进行训练，建立图像预识别模型；建立样本图像数据集，并对数据集内图像进行预处理；基于图像预识别模型，采用五折交叉验证的方法对预处理后样本图像数据集进行划分训练集和测试集；利用训练集对图像预识别模型进行训练获得图像识别模型；利用测试集对训练好的图像识别模型进行测试；该系统包括数据处理模块、模型训练模块、模型分析模块。本发明解决了现有技术图像识别方法存在的识别性能差、准确率低、小目标物体难以被准确地检测和定位、模型训练时需要大量数据的问题。

本发明授权一种基于迁移学习及ResNet50神经网络的图像识别方法及系统在权利要求书中公布了：1.一种基于迁移学习及ResNet50神经网络的图像识别方法，其特征在于，包含有以下步骤： 步骤S1：构建ResNet50神经网络作为基准模型，并对该模型进行优化和改进，获得优化改进后的ResNet50神经网络模型； 步骤S2：采用迁移学习方式对优化改进后的ResNet50神经网络模型进行训练，建立图像预识别模型； 步骤S3：建立样本图像数据集，并对样本图像数据集内图像进行预处理操作； 步骤S4：基于图像预识别模型，采用五折交叉验证的方法对预处理后样本图像数据集进行划分训练集和测试集； 步骤S5：利用步骤S4中的训练集对图像预识别模型进行训练，并对模型参数再次进行微调，获得图像识别模型； 步骤S6：利用步骤S4中的测试集对步骤S5中训练好的图像识别模型进行测试，获得图像识别结果； 步骤S1所述构建ResNet50神经网络作为基准模型，并对该模型进行优化和改进，获得优化改进后的ResNet50神经网络模型，是指改进Huber损失函数并在ResNet50神经网络中引入ECA-Net注意力机制和构造双向金字塔结构对该模型进行改进，再选取优化器对改进后的ResNet50神经网络进行优化，从而获得优化改进后的ResNet50神经网络模型，包括以下子步骤： 步骤S101：构建ResNet50神经网络作为基准模型，包括五个阶段，分别为： 第一阶段：输入图像像素值先后经过卷积层、BN层、ReLU激活函数、MaxPooling层得到输出； 第二阶段至第五个阶段均由瓶颈层Bottleneck组成，分别包含3、4、6、3个瓶颈层Bottleneck； 步骤S102：选择改进后的Huber损失函数作为ResNet50神经网络损失函数； 改进后Huber损失函数的表达式如下： ， 其中表示改进后的损失函数，表示残差临界值，表示实际值，表示预测值； 步骤S103：在ResNet50神经网络中引入ECA-Net注意力机制进行改进； ECA-Net注意力机制通过大小为k的一维卷积为每个通道生成权重，即： ， 式中，表示卷积核大小为k的一维卷积，y表示通道，表示sigmoid激活函数；k与通道维数有关，通道维数越大，则局部跨通道交互的范围k就越大； 通过与通道维数相关的自适应函数C确定k值，即： ， 式中，表示为距离最近的奇数，和b的值分别设置为2和1；C为自适应函数； 步骤S104：在ResNet50神经网络中引入构建的双向金字塔结构对其进行改进，通过双向金字塔结构将ResNet50神经网络特征层中，高分辨率浅层特征与深层特征进行融合； 步骤S105：选取优化器对改进后的ResNet50神经网络进行优化，是指以新型Ranger优化器作为改进的ResNet50模型训练的优化器，从而得到优化改进后的ResNet50神经网络模型。

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淮阴工学院，其通讯地址为：223003 江苏省淮安市清江浦区枚乘东路1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。