買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜華東交通大學(xué)申請的專利一種細(xì)粒度圖像識別分類方法、系統(tǒng)、存儲介質(zhì)及設(shè)備獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119762894B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-30發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510251909.2，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種細(xì)粒度圖像識別分類方法、系統(tǒng)、存儲介質(zhì)及設(shè)備是由余鷹;鄧惟灝;陳恩紅設(shè)計研發(fā)完成，并于2025-03-05向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種細(xì)粒度圖像識別分類方法、系統(tǒng)、存儲介質(zhì)及設(shè)備在說明書摘要公布了：本發(fā)明公開了一種細(xì)粒度圖像識別分類方法、系統(tǒng)、存儲介質(zhì)及設(shè)備，該方法包括：獲取細(xì)粒度圖像并構(gòu)建圖像數(shù)據(jù)集，將圖像數(shù)據(jù)集導(dǎo)入視覺模型中；將每個階段特征圖導(dǎo)入特征金字塔網(wǎng)絡(luò)模塊中，得到融合淺層信息的第一目標(biāo)特征圖；將第一目標(biāo)特征圖導(dǎo)入弱監(jiān)督采樣模塊中，篩選出目標(biāo)特征，基于目標(biāo)特征堆疊成目標(biāo)向量與第二目標(biāo)特征圖；將第二目標(biāo)特征圖與未經(jīng)激活函數(shù)處理的初始預(yù)測值導(dǎo)入神經(jīng)決策森林模塊中，分別得到每一個粒度對應(yīng)的目標(biāo)預(yù)測值并存入輸出序列中；將輸出序列導(dǎo)入可信多視圖分類模塊中，融合多個意見的預(yù)測值分布，得到最終融合的分類結(jié)果。本發(fā)明提升了細(xì)粒度圖像的識別分類精度，以使細(xì)粒度圖像分類更為精準(zhǔn)。

本發(fā)明授權(quán)一種細(xì)粒度圖像識別分類方法、系統(tǒng)、存儲介質(zhì)及設(shè)備在權(quán)利要求書中公布了：1.一種細(xì)粒度圖像識別分類方法，其特征在于，所述方法包括：獲取預(yù)先采集的細(xì)粒度圖像對應(yīng)的圖像數(shù)據(jù)集，將所述圖像數(shù)據(jù)集導(dǎo)入基于Transformer的視覺模型中；將每個階段特征圖導(dǎo)入所述視覺模型的特征金字塔網(wǎng)絡(luò)模塊中，得到融合淺層信息的第一目標(biāo)特征圖；將所述第一目標(biāo)特征圖導(dǎo)入所述視覺模型的弱監(jiān)督采樣模塊中，篩選出對分類有益的目標(biāo)特征，基于所述目標(biāo)特征堆疊成目標(biāo)向量與第二目標(biāo)特征圖；將所述第二目標(biāo)特征圖與未經(jīng)激活函數(shù)處理的初始預(yù)測值導(dǎo)入所述視覺模型的神經(jīng)決策森林模塊中，分別得到每一個粒度對應(yīng)的目標(biāo)預(yù)測值并存入輸出序列中；將所述輸出序列導(dǎo)入所述視覺模型的可信多視圖分類模塊中，融合多個意見的預(yù)測值分布，得到最終融合的分類結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人華東交通大學(xué)，其通訊地址為：330000 江西省南昌市經(jīng)濟(jì)技術(shù)開發(fā)區(qū)雙港東大街808號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。