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！

龙图腾网获悉广东技术师范大学申请的专利基于深度迁移字典学习的精细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：CN113486921B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202110580321.3，技术领域涉及：G06V10/764；该发明授权基于深度迁移字典学习的精细图像分类方法是由李争名设计研发完成，并于2021-05-26向国家知识产权局提交的专利申请。

本基于深度迁移字典学习的精细图像分类方法在说明书摘要公布了：本发明涉及一种基于深度迁移字典学习的精细图像分类方法，其特征在于包括构建深度字典学习模型，学习源领域字典和目标领域字典以提取精细图像的复杂非线性特征，而后在深度字典学习模型的每层中通过梯度下降法对输出层的目标函数进行求解以获得输出层的编码字典和编码系数；并通过求解得到的编码字典和编码系数得出分类器参数进而构建出分类方法模型。本发明解决了源领域精细图像和目标领域精细图像属于不同分布的问题，从而提高了精细图像的分类性能。

本发明授权基于深度迁移字典学习的精细图像分类方法在权利要求书中公布了：1.基于深度迁移字典学习的精细图像分类方法，其特征在于，主要包括以下步骤： 首先，利用合成字典构造深度字典学习模型，并采取梯度下降法更新每层的字典和编码系数； 其次，利用源领域和目标领域中具有类标的精细图像分别对应学习源领域字典和目标领域字典，并分别提取源领域和目标领域中精细图像的复杂非线性特征； 第三，在深度字典学习模型的每层中，利用原子和编码系数矩阵的行向量构造自适应最大平均差异模型，以减少源领域和目标领域的分布差异，并采取梯度下降法对输出层的目标函数进行求解，从而获得输出层的编码字典和编码系数；深度迁移字典学习模型构造如下：把源领域带类标精细图像和作为深度迁移字典学习模型的输入；构造第层深度迁移字典如公式所示，其中，是参数，第一项是源领域数据重构项，第二项是目标领域数据重构项，第三项是自适应最大平均差异项，其构造方法如公式所示，其中，表示源字典中第个原子对应的编码系数矩阵行向量，表示目标字典中第个原子对应的编码系数矩阵行向量，是编码系数矩阵的转置矩阵，是矩阵，其元素计算为，其中，和是源领域字典和目标领域中的原子个数，它们均等于对应领域带类标样本个数；构造第层，也即输出层，深度迁移字典如公式所示，其中，第一项是源领域数据重构项，第二项是目标领域数据重构项，第三项是最大平均差异项，其构造方法与第二步中的自适应最大平均差异项构造方法类似，和分别是第层源领域编码系数和目标领域编码系数，和分别是第层源领域字典和目标领域字典，是第层编码系数矩阵； 第四，从输出层的编码系数矩阵中提取目标领域编码系数，结合目标领域样本的类标矩阵得出分类器参数； 第五，构造分类方法的模型，利用输出层的目标领域字典及测试样本来计算其对应的编码系数，然后结合分类器参数构造出分类方法的模型； 最后，把测试样本输入到分类方法的模型中，从而输出测试样本的类标。

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广东技术师范大学，其通讯地址为：510665 广东省广州市天河区中山大道293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。