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！

龙图腾网获悉电子科技大学申请的专利一种基于注意力机制的昆虫细粒度图片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：CN116824246B 。

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：202310755832.3，技术领域涉及：G06V10/764；该发明授权一种基于注意力机制的昆虫细粒度图片分类方法是由徐杰;苏光辉;李非非;张笑谦;刘恒;李怡瑶;耿子力设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。

本一种基于注意力机制的昆虫细粒度图片分类方法在说明书摘要公布了：本发明公开了一种基于注意力机制的昆虫细粒度图片分类方法，采集不同种类昆虫的不同形态的细粒度图片，经过人工筛选方式删除重复、模糊、过曝的低质量图片，使剩余的图片满足类内差异大、类间差异小的特点，然后进行昆虫主体增强处理，并建立带有类别标签的数据集；接着搭建用于昆虫分类的基于注意力机制的分类网络并训练，最后通过训练完成的神经网络模型对待检测的细粒度昆虫图片进行分类检测，从而直接输出图片中昆虫属于类别。

本发明授权一种基于注意力机制的昆虫细粒度图片分类方法在权利要求书中公布了：1.一种基于注意力机制的昆虫细粒度图片分类方法，其特征在于，包括以下步骤： 1、图像采集及预处理； 采集不同种类昆虫的不同形态的细粒度图片，经过人工筛选方式删除重复、模糊、过曝的低质量图片，使剩余的图片满足类内差异大、类间差异小的特点； 2、图片增强处理； 2.1、图片的标准增强，包括：图片缩放、图片随机旋转、图片随机水平或竖直翻转和图片随机裁剪； 2.2、昆虫主体增强； 2.2.1、生成二维的类激活图； 利用训练完成的ResNet-101网络对标准增强后的每张图片进行图像特征的提取，再通过对图像特征进行梯度的反向计算，得到图像特征在对应图片上不同空间位置的响应，从而生成二维的类激活图，表示图片编号； 2.2.2、基于类激活图生成二维的主体掩码图； 设置阈值；遍历类激活图中每个像素点的像素值，如果像素点的像素值小于阈值，那么该像素点在主体掩码图中的像素值设置为0，否则，设置为1，从而得到主体掩码图； 2.2.3、实现主体增强； 将图片与主体掩码图对应像素值相乘，得到表征昆虫主体区域的图片； 基于昆虫主体区域图片，对图片中的背景进行高斯模糊及灰度处理，从而实现每张图片的主体增强； 3、制作数据集； 将增强处理后的图片进行逐一分类，并将同类别的昆虫放在同一文件夹中，文件夹以昆虫的学术名称进行命名并赋予对应的类别标签，然后将所有样本图片的保存路径逐行写入到文本文件中； 4、搭建并训练基于注意力机制的分类网络； 4.1、基于注意力机制的分类网络以ResNet-101为基础，在ResNet-101的输出端增设RS通道注意力模块，从而搭建出基于注意力机制的分量网络； 4.2、在每一轮训练过程中，通过读取文本文件的保存路径，先使用平均采样策略对所有图片进行采样，每次随机获取个不同的类别，且每个类别中随机挑选张样本图片，共计张样本图片作为单批次训练数据； 4.3、训练数据先输入至ResNet-101网络的卷积层，通过卷积层将每个样本图片编码成大小为的三维张量，其中，，为样本图片的长和宽，为通道数；三维张量再通过池化层压缩成大小为的张量，将经过全连接层后使用softmax函数处理得到样本图片中昆虫属于各个类别的预测概率向量，然后将输入至RS通道注意力模块； 4.4、在RS通道注意力模块中，先通过类内特征或类间特征完成个张量的配对，得到对张量；再通过多层感知机计算每一对张量的通道权重向量： ； 其中，表示第对张量，且； 计算包含全局信息的通道注意力权重： ； 其中，表示输入至全连接层后根据的标签分类编号找出全连接层中对应编号所在行的参数所组成的一维向量； 基于通道注意力权重对张量进行加权，得到第张样本图片加权后的特征张量； 最后，将特征张量经过全连接层后输入至softmax函数，计算出样本图片中昆虫属于各个类别的预测概率值向量； 4.5、利用多种损失函数计算多个损失； 4.5.1、计算三元组损失值； ； 其中，表示以为基准通过类内特征配对方式匹配成功的张量，表示以为基准通过类间特征配对方式匹配成功的张量； 4.5.2、计算排序损失值； ； 其中，是由1或-1组成的指示向量，当向量内的元素值为1时，表示大于，反之则为-1； 4.5.3、计算损失值； ； 其中，表示向量中对应类别的预测概率值；为放缩尺度因子； 4.5.4、计算总损失值； ； 4.6、得到基于注意力机制的分类网络； 判断网络的总损失值是否收敛或当前迭代次数到达预设的最大值，如果满足，则迭代停止，得到训练完成的基于注意力机制的分类网络；否则，利用进行反向传播，并更新网络参数，然后返回步骤4.2，进行下一轮的训练； 5、昆虫图片的实时分类； 采集某类昆虫的细粒度图片，按照步骤1和2进行图片预处理和增强处理，然后输入至基于注意力机制的分类网络，从而输出昆虫类别。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。