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！

龙图腾网获悉上海师范大学申请的专利一种基于部件混合的细粒度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：CN116403022B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202310182745.3，技术领域涉及：G06V10/764；该发明授权一种基于部件混合的细粒度图像分类方法是由张相芬;姜臻;袁非牛设计研发完成，并于2023-03-01向国家知识产权局提交的专利申请。

本一种基于部件混合的细粒度图像分类方法在说明书摘要公布了：本发明公开了一种基于部件混合的细粒度图像分类方法，属于图像处理技术领域。该方法包括：获取图像数据集，并对其进行预处理；搭建基于部件混合的细粒度图像分类网络，包括目标级全局预测模块，部件预测模块和部件混合模块；将所述预处理后的图像数据集数据送入所述网络进行训练；将待分类的目标图像输入到所述训练好的目标级全局预测模块中，得到分类结果。本发明提出了一种新颖的部件混合策略，使用弱监督的部件检测技术和谱聚类算法来找到不同对象的具有相似语义性的部件，混合具有相似语义性的部件以生成混合图像，通过学习混合图像和混合标签，使得网络可以学习到跨类别、跨实例的语义部件相关性信息，从而降低模型的过拟合，提高表征能力。

本发明授权一种基于部件混合的细粒度图像分类方法在权利要求书中公布了：1.一种基于部件混合的细粒度图像分类方法，其特征在于，包括如下步骤： 1获取图像数据集，并对所述图像数据集进行预处理； 2搭建基于部件混合的细粒度图像分类网络，所述基于部件混合的细粒度图像分类网络包括目标级全局预测模块，部件预测模块和部件混合模块； 所述目标级全局预测模块由ResNet50卷积神经网络、全局平均池化层、Softmax激活层和全连接层组成； 所述ResNet50卷积神经网络作为特征提取器完成对输入图像的特征提取，输出特征图； 所述特征图输入所述全局平均池化层、Softmax激活层和全连接层完成分类，使用交叉熵损失函数进行监督； 所述部件预测模块由部件检测模块、ResNet50卷积神经网络、全局平均池化层、Softmax激活层以及全连接层组成； 所述部件检测模块使用特征金字塔网络，其输入为所述目标级全局预测模块中的最后一层卷积层输出的特征图，输出为通过所述特征金字塔网络来预测出的固定数量的边界框及锚框区域的信息度得分； 根据所述部件检测模块输出的边界框，对输入图像进行裁剪缩放，得到部件图，将所述部件图输入到所述ResNet50卷积神经网络提取部件级的卷积特征； 通过对所述卷积特征使用全局平均池化得到每个所述部件图的特征向量，将所述特征向量输入所述Softmax激活层和全连接层并分类，使用交叉熵损失函数进行监督； 所述部件混合模块具体包括： 对所述部件预测模块提取出的部件图的特征向量计算余弦相似度矩阵并进行谱聚类，得到所述部件图的特征向量的聚类结果； 根据聚类结果对图像进行混合，得到混合图像，使用混合标签对所述混合图像进行监督； 将所述混合图像输入ResNet50卷积神经网络特征提取器进行特征提取，再输入全局平均池化层、全连接层和Softmax激活层完成分类得到概率向量，使用交叉熵损失函数进行监督； 3将所述预处理后的图像数据集数据送入所述基于部件混合的细粒度图像分类网络中进行训练，得到训练好的基于部件混合的细粒度图像分类网络； 4将待分类的目标图像输入到所述训练好的基于部件混合的细粒度图像分类网络中的目标级全局预测模块，得到所述目标图像的分类结果。

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上海师范大学，其通讯地址为：200234 上海市徐汇区桂林路100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”。