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！

龙图腾网获悉西安电子科技大学申请的专利基于双通道注意力机制的复杂目标精细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：CN116452874B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202310420559.9，技术领域涉及：G06V10/764；该发明授权基于双通道注意力机制的复杂目标精细分类方法是由王俊平;王艺卓;孙欢;王振羽;刘为设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本基于双通道注意力机制的复杂目标精细分类方法在说明书摘要公布了：本发明公开一种基于双通道注意力机制的复杂目标精细分类方法，其实现步骤是：构建双通道注意力稠密连接网络，通过自主学习对特征提取模块输出的特征进行动态加权处理，在获得通道特征权重的过程中采用多尺度池化操作；生成训练集；训练双通道注意力稠密连接网络；对复杂场景图像进行分类。本发明克服了现有技术在进行易混淆复杂场景分类易出错以及会忽略图像中小尺度的有效信息的不足，通过构建双通道注意力稠密连接网络，使得本发明对于易混淆场景分类仍能保持较高分类精度，面对复杂图像能完整的提取图像信息。

本发明授权基于双通道注意力机制的复杂目标精细分类方法在权利要求书中公布了：1.一种基于双通道注意力机制的复杂目标精细分类方法，其特征在于，构建包含通道注意力模块和空间注意力模块的双通道注意力稠密连接网络，通过自主学习对特征提取模块输出的特征进行动态加权处理，在获得通道特征权重的过程中采用多尺度池化操作；该分类方法的步骤包括如下： 步骤1，构建双通道注意力稠密连接网络： 步骤1.1，搭建特征提取模块并设置特征提取模块的参数； 步骤1.2，搭建一个由池化模块和多层感知机串联组成的通道注意力模块，其中，池化模块由第二最大池化层、第三最大池化层分别与均值池化层串联后再与第一最大池化层并联而成，多层感知机由第一线性层、第一激活层、第二线性层、第二激活层串联而成；第一至第三最大池化层采用多尺度池化操作，将输出尺寸分别设置为1×1，2×2，4×4；将均值池化层池化后输出尺寸设置为1×1；将多层感知机的第一线性层输入个数设置为248，输出个数设置为496；第二线性层输入个数设置为496，输出个数设置为248；第一激活层采用ReLU激活函数实现；第二激活层采用Sigmoid激活函数获得通道特征权重；通道特征权重与通道注意力模块的输入相乘得到通道注意力模块的输出； 步骤1.3，搭建空间注意力模块，其结构包含最大池化层、平均池化层、卷积层、激活层，其中，最大池化层和平均池化层在通道上进行拼接后再依次与卷积层和激活层串联；将最大池化层池化后输出尺寸设置为1×1；平均池化层池化后输出尺寸设置为1×1；卷积层输入通道数设置为2，输出通道数设置为1，卷积核大小设置为7×7；激活层采用Sigmoid激活函数获得空间特征权重；空间特征权重与空间注意力模块的输入相乘得到空间注意力模块的输出； 步骤1.4，将特征提取模块、通道注意力模块、空间注意力模块及分类模块依次串联组成双通道注意力稠密连接网络； 步骤2，生成训练集： 步骤2.1，选取至少2800张的复杂场景图像组成样本集，该样本集中包括至少7种场景类型； 步骤2.2，将样本集中所有图像的尺寸重置为400×400； 步骤2.3，标注样本集中每张图像对应的场景类型；将标注后的图像组成训练集； 步骤3，将训练集输入到双通道注意力稠密连接网络中，利用梯度下降法，迭代更新网络参数，通过自主学习对特征提取模块输出的特征进行动态加权处理，得到训练好的双通道注意力稠密连接网络； 步骤4，对复杂场景图像进行分类： 将待分类的复杂场景图像输入到训练好的双通道注意力稠密连接网络中，输出图像的分类标签。

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电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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”。