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！

龙图腾网获悉安徽工业大学芜湖技术创新研究院;安徽工业大学申请的专利一种基于Mobile ViT网络的角膜溃疡分类识别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：CN116740456B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202310760848.3，技术领域涉及：G06V10/764；该发明授权一种基于Mobile ViT网络的角膜溃疡分类识别方法是由王兵;朱陈林;卢琨;汪文艳;吴紫恒;赵远;马小陆设计研发完成，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Mobile ViT网络的角膜溃疡分类识别方法在说明书摘要公布了：本发明公开了一种基于MobileViT网络的角膜溃疡分类识别方法，属于角膜溃疡分类识别技术领域，包括以下步骤：S1：样本预处理；S2：增加注意力机制；S3：特征拼接；S4：网络搭建；S5：网络训练；S6：分类识别。本发明通过在原始MobileViT网络中添加SE注意力模块，增强了网络提取重要特征的能力，同时抑制了不必要的特征；从原始MobileViT网络中提取局部特征图，并将其与全局特征图融合，以提取更有效的特征，同时增加了各种特征之间的信息交换；通过各种比较实验证明了改进的有效性，并成功地将准确率从88.7％提高到91.5％。

本发明授权一种基于Mobile ViT网络的角膜溃疡分类识别方法在权利要求书中公布了：1.一种基于MobileViT网络的角膜溃疡分类识别方法，其特征在于，包括以下步骤: S1：样本预处理 对角膜溃疡数据集的图像样本进行预处理； S2：增加注意力机制 在原始MobileViT网络的MV2模块中融合SE注意力模块，得到改进后的MV2模块，即MV2-SE模块； S3：特征拼接 将原始MobileViT网络的MobileViT模块中的局部表征提取出来，与全局表征融合，再与原输入进行Concat拼接操作，得到改进后的MobileViT模块，即MobileViTX模块； S4：网络搭建 以原始MobileViT网络的结构为原型，使用MV2-SE模块、MobileViTX模块搭建出新的MobileViT网络； S5：网络训练 利用训练集对步骤S4中新的MobileViT网络进行训练，训练后得到角膜溃疡分类识别模型，并用独立的测试集对角膜溃疡分类识别模型进行测试，利用Grad-CAM方法对角膜溃疡分类识别模型的输出进行可视化验证； S6：分类识别 将待检测图片输入角膜溃疡分类识别模型进行分类识别，获取分类识别结果； 在所述步骤S2中，原始MobileViT网络的MV2模块包括依次连接的第一个卷积层、深度可分离卷积层、第二个卷积层，三个卷积层均用于提取特征； 在所述步骤S2中，所述SE注意力模块包括压缩层、激励层；所述激励层包括两个依次连接的全连接层，所述压缩层通过全局池化将特征映射压缩成1*1*C向量，所述激励层的第一个全连接层具有C*SE-Radio神经元，其输入为1*1*C，输出为1*1*C*SE-Radio，第二个全连接层有C个神经元，输入为1*1*C*SE-Radio，输出为1*1*C，其中SE-Radio作为缩放参数；压缩层和激励层计算公式如下： 其中，Fsq表示Squeeze操作，Zc是经过Squeeze操作后的输出，Uc为输入；H和W分别表示特征图的长和宽，i和j分别表示图片像素点的长宽，通过i和j来表示具体位置； s＝Fexz,W＝σgz,W＝σW2δW1z 其中，Squeeze操作的输出命名为Z，W1和W2分别是第一个和第二个全连接操作的权重，在第一次全连接操作结束后经过一个ReLU激活函数，第二个全连接层后接Sigmoid函数，最终得到输出权重S； 在所述步骤S2中，在原始MobileViT网络的MV2模块中融合SE注意力模块，得到改进后的MV2模块，即MV2-SE模块，其中，SE注意力模块插入到MV2模块中的深度可分离卷积层与第二个卷积层之间。

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安徽工业大学芜湖技术创新研究院;安徽工业大学，其通讯地址为：241100 安徽省芜湖市弋江区中山南路芜湖高新区科技产业园B5号楼；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。