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！

龙图腾网恭喜西安理工大学申请的专利基于语义关系图的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：CN114882287B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202210574940.6，技术领域涉及：G06V10/764；该发明授权基于语义关系图的图像分类方法是由石伟伟;张璐鑫;黑新宏;谢国;王晓帆;费蓉;鲁晓锋设计研发完成，并于2022-05-25向国家知识产权局提交的专利申请。

本基于语义关系图的图像分类方法在说明书摘要公布了：本发明公开的基于语义关系图的图像分类方法，具体为：1准备图像训练样本集，并根据图像训练样本集构建语义关系图；2根据图像训练样本集和语义关系图，搭建基于语义关系图的图像分类方法的网络模型；3构造语义相关性目标函数；4构造局部几何结构一致性目标函数；5根据语义相关性目标函数和局部几何结构一致性目标函数，构造总的目标函数；6根据步骤5构造的总的目标函数在训练样本集上训练步骤2所搭建的网络模型；7将待分类的图像输入到步骤6训练好的网络模型，在分类层得到该图像的预测类别。该方法能够学习出更具有语义相关性的图像特征向量，且能够显著提高图像分类精度。

本发明授权基于语义关系图的图像分类方法在权利要求书中公布了：1.基于语义关系图的图像分类方法，其特征在于，包括以下步骤：1准备图像训练样本集，并根据图像训练样本集构建语义关系图；步骤1的具体实现方法如下：步骤1.1、假定为图像训练样本集，Xi表示第i个训练样本图像，ci∈{l1,l2,…,lC}表示训练样本图像Xi的类别标签，{l1,l2,…,lC}表示图像训练样本集的类别标签集合，lj表示训练样本集的第j个类别标签，j＝1,2,…,C，C表示训练样本集类别标签的个数，N表示训练样本的总数；步骤1.2、构建语义关系图：构建一个无向图其中是顶点集，ε＝{li,lj|i,j＝1,2,…,C}是边集，A＝aijC×C是邻接矩阵，aij表示类别标签li与lj之间的相似度，其中，wi和wj分别表示类别标签li和lj的词嵌入向量，exp·表示指数函数，||·||表示向量的模长，参数η大于零；2根据图像训练样本集和语义关系图，搭建基于语义关系图的图像分类方法的网络模型；3构造语义相关性目标函数；步骤3的具体实现方法如下：定义训练样本图像Xi的特征向量为xi，即将训练样本图像Xi输入到步骤2所搭建的网络模型中在特征层的输出为xi，假定特征向量的维数为D；在步骤2所搭建的网络模型中，图卷积网络第一层的输入是语义关系图，语义关系图的每一个节点的值是其对应类别标签的词嵌入向量；第一层图卷积的输出是第二层图卷积的输入，经过第二层图卷积运算，第二层的输出仍是一个图，输出的图中每一个节点的值都是一个D维的向量，表示对应类别标签的隐语义信息的向量表示；假定类别标签li的隐语义信息的向量表示为vli，采用的语义相关性目标函数L1为： 其中，vci表示类别标签ci的隐语义信息的向量表示；4构造局部几何结构一致性目标函数；5根据语义相关性目标函数和局部几何结构一致性目标函数，构造总的目标函数；6根据步骤5构造的总的目标函数在训练样本集上训练步骤2所搭建的网络模型；7将待分类的图像输入到步骤6训练好的网络模型，在分类层得到该图像的预测类别。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。