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一种细粒度图像分类方法及系统、终端设备及存储介质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：CN114565014B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202210074727.9，技术领域涉及：G06V10/764；该发明授权一种细粒度图像分类方法及系统、终端设备及存储介质是由廖开阳;黄港;郑元林;章明珠;王可儿设计研发完成，并于2022-01-21向国家知识产权局提交的专利申请。

本一种细粒度图像分类方法及系统、终端设备及存储介质在说明书摘要公布了：本发明公开一种细粒度图像分类方法及系统、终端设备及存储介质。其细粒度图像分类方法包括以下步骤：获取待分类图片；将待分类的图片输入预先构建的多样性特征互补融合网络中，并采用所述多样性特征互补融合网络对所述图片进行分类；获取所述图片的分类结果。该方法采用多样性特征互补融合网络对图片进行分类，通过捕捉图片中的显著性部分，自动有效捕获特定区域的细微差异，并基于细微差异对图片进行分类，有效提高图片分类时的分类效率以及分类准确性。该方法不需要边界框，可以进行端对端训练。

本发明授权一种细粒度图像分类方法及系统、终端设备及存储介质在权利要求书中公布了：1.一种细粒度图像分类方法，其特征在于，包括以下步骤：S1：获取待分类图片；S2：将待分类的图片输入预先构建的多样性特征互补融合网络中，并采用所述多样性特征互补融合网络对所述图片进行分类；S3：获取所述图片的分类结果；所述多样性特征互补融合网络包括显著性和潜在性特征模块以及特征交换融合模块；采用所述多样性特征互补融合网络对所述图片进行分类包括以下步骤：S201，将待分类的图片传入到所述多样性特征互补融合网络中，进入网络中的图片提取特征后，经过所述显著性和潜在性特征模块，输出显著性特征，并根据所述显著性特征获取潜在性特征，所述潜在性特征继续传入到网络的下一层；S202，将步骤S201中提取的显著性特征传入卷积模块，进行维度的变换；S203，对步骤S202中变换维度的特征传入特征交换融合模块，进行特征融合，并增强特征的多样性，获取最终的多样性特征；S204，将步骤S203获取的所述最终的多样性特征进行全局平均池化操作，通过线性层对所述变换维度的特征进行降维，并使用交叉熵损失函数对所述多样性特征互补融合网络进行优化，进行距离度量，完成所述图片的分类；所述步骤S201具体为：所述步骤S201中将待分类的图片依次传入三个显著性和潜在性特征模块中，输出Xs1，Xs2和Xs3三个显著性特征，并对所述显著性特征进行抑制，得到潜在性特征Xp，并将Xp传入到网络的下一层中，具体为：若所述多样性特征互补融合网络的输入模块的特征尺寸为X∈RC×W×H，其中C，W，H分别表示特征的通道，宽度和高度；在模块中，将X沿着宽度的方向，均等的分为m个相等的子特征，所述子特征的宽度为T，其中T＝Wm，所述子特征表示为Xi∈RC×T×H,i∈[1,m]；使用1×1的卷积Conv和ReLU运算对所述子特征进行处理，得到特征Si，所述特征Si表示为：Si＝ReLUConvXi∈R1×T×H1对得到的特征Si进行广义平均池化操作，具体为： 式中，HD为特征的高度，WD为特征的宽度，为当前维度所有数值的累加和，p为广义平均池化的参数；通过所述广义平均池化得到显著性参数bi'；bi'＝GEMSi∈R1×13对得到的显著性参数B'＝b'1,…b'm∈R1×m×1进行归一化操作，得到显著性因子，具体为： 式中，B＝b1,…bm∈R1×m为显著性因子；将归一化得到的显著性因子B＝b1,…bm∈R1×m与原始的输入特征X进行加权求和，得到特征的显著性部分；在获取所述特征的显著性部分之前对显著性因子B＝b1,…bm∈R1×m×1进行尺寸变换处理，具体为B＝repeatB∈R1×W×1，得到Xi中的显著性特征Xs：Xs＝X⊙α*B5其中，α是一个超参数，为调节显著性参数；⊙表示矩阵点乘；将所述特征Si再次进行广义平均池化，得到特征t'i：t'i＝GEMSi∈R1×16使用softmax函数对特征t'i进行归一化处理，得到特征T＝t1…tm∈R1×m×1；对所述特征T＝t1…tm∈R1×m×1的显著性进行抑制，获取剩余的潜在性特征： β∈[0,1]是一个超参数；通过剔除潜在性特征中的显著性参数，再进行尺寸变换处理，具体为T＝repeatT∈R1×W×1；得到潜在性特征Xp：Xp＝X⊙T8⊙表示矩阵点乘。

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”。