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！

龙图腾网获悉东南大学申请的专利一种基于注意力机制的图像故障细粒度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：CN116385966B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202310348084.7，技术领域涉及：G06V20/52；该发明授权一种基于注意力机制的图像故障细粒度识别方法是由徐琴珍;王潇祎;俞科栋;郑志刚;许诺;杨绿溪设计研发完成，并于2023-04-04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图像故障细粒度识别方法在说明书摘要公布了：本发明提供一种基于注意力机制的图像故障细粒度识别方法，在细粒度识别网络NTS‑Net的基础上，使用一种软池化的双通道注意力网络，针对铁路数据集黑、灰、白的背景，经过两个通道，从两个维度获取更加有效的特征语义。为了避免特征信息在经过注意力网络的时候有所丢失，通过软池化的方式来避免池化过程中的信息损失，有助于后续环节。最后，通过更改网络损失函数，在不需要对故障图片进行数据增强的前提下，削弱故障样本和正常样本数量不平衡给结果带来的干扰。该识别方法采用的是弱监督方法，高效快捷，适用范围广，算力消耗低。

本发明授权一种基于注意力机制的图像故障细粒度识别方法在权利要求书中公布了：1.一种基于注意力机制的图像故障细粒度识别方法，其特征在于，包括以下步骤: 步骤1：采集的样本经预处理后输入预先训练优化好的Navigator网络进行特征提取，得到一系列矩形区域，再将一系列矩形区域输入STAN网络进行权重的重新分配，将权重重新分配后的区域中信息量最大的K个区域从原输入样本中映射出来得到K个映射区域； 所述Navigator网络具体训练步骤包括： 步骤A1：经预处理的图像样本输入Navigator网络进行特征提取，得到一系列矩形区域，再将一系列矩形区域输入STAN网络进行权重的重新分配，将权重重新分配后的区域中信息丰富度最大的M个区域从故障样本中映射出来，得到M个最具判别性的区域； 步骤A2：将M个最具判别性的区域输入到Teacher网络中，通过Teacher网络得到M个区域的置信度，再通过Teacher网络中的损失函数计算M个区域的置信度的损失值，不断的减小损失值优化Teacher网络，其中对于故障样本与正常样本极不均衡的数据样本，在进行计算M个区域的置信度的损失值时Teacher网络中的损失函数为FocalLoss损失函数，之后通过优化后的Teacher网络重新得到优化后的M个区域的置信度，接着经过STAN网络对优化后的M个区域的置信度进行权重的重新分配，得到权重重新分配后的M个区域的置信度，将权重重新分配后的M个区域的置信度反馈给Navigator网络，通过Navigator网络中的损失函数计算M个最具判别性的区域的信息丰富度和权重重新分配后的M个区域的置信度一致性的损失值，通过逐渐减小损失值让权重重新分配后的M个区域的置信度排序与M个最具判别性的区域的信息丰富度的排序一致，来训练Navigator网络，其中对于故障样本与正常样本极不均衡的数据样本，在进行计算M个最具判别性的区域的信息丰富度和权重重新分配后的M个区域的置信度一致性的损失值时Navigator网络中的损失函数为FocalLoss损失函数； 步骤2：将K个映射区域输入Scrutinizer网络中进行细粒分类识别，得到样本的类别，其中对于故障样本与正常样本极不均衡的数据样本，在进行细粒分类识别时Scrutinizer网络中的损失函数为FocalLoss损失函数。

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东南大学，其通讯地址为：210000 江苏省南京市江宁区东南大学路2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。