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！

龙图腾网获悉南京理工大学申请的专利高置信局部特征与全局特征学习的图片分类方法及系统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：CN115346071B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202211002091.3，技术领域涉及：G06V10/764；该发明授权高置信局部特征与全局特征学习的图片分类方法及系统是由肖亮;黄姮祎设计研发完成，并于2022-08-20向国家知识产权局提交的专利申请。

本高置信局部特征与全局特征学习的图片分类方法及系统在说明书摘要公布了：本发明公开了一种高置信局部特征与全局特征学习的图片分类方法及系统，方法包括：采用深度分离卷积层的堆叠形式，嵌套下采样层，进行特征提取；提取多尺度特征，构成特征张量；采用不同步长的滑动窗口和非最大抑制方法去除冗余区域，生成候选局部感兴趣区域；计算局部感兴趣候选区域属于类属标签的概率作为置信值，依据置信值构造排序一致性损失函数训练网络，并进行候选局部感兴趣区域排序，判别高置信感兴趣区域；将高置信局部感兴趣区域特征与全局特征聚合，得到特征拼接张量；根据聚合的特征，进行最终图片分类。本发明能够有效处理类间相似性高、类内差异性大的分类问题，提高了小样本图片的分类精度和分类速度。

本发明授权高置信局部特征与全局特征学习的图片分类方法及系统在权利要求书中公布了：1.一种高置信局部特征与全局特征学习的图片分类方法，其特征在于，包括以下步骤： 第一步，采用数据预处理和深度分离卷积模块构成的深度网络，提取图像特征； 第二步，将第一步深度分离卷积特征学习模块提取的特征作为输入，利用深度卷积操作构建三层金字塔结构，提取多尺度的深层特征； 第三步，在多尺度的深层特征上，根据不同的尺度，采用不同步长的滑动窗口，并对多尺度特征区域采取非极大值抑制减少区域冗余，生成一个表示多尺度特征区域列表，提取指定数量的候选局部感兴趣区域作为高置信局部感兴趣判别与特征学习模块的输入； 第四步，将局部感兴趣区域特征的尺寸规范到同一标准，再通过深度分离卷积特征学习模块，计算每个区域为类属标签的概率作为置信值，输出置信值列表；依据该置信值，采取排序一致性损失函数调整网络训练，对候选局部感兴趣特征区域列表重新排序，使其与置信值列表排序一致，提取前M个高置信局部感兴趣区域； 第五步，将提取的M个高置信局部感兴趣区域，通过池化操作调整成与上下文特征一致尺寸的张量，并与上下文特征相拼接，进行特征聚合； 第六步，将高置信局部感兴趣特征与全局上下文特征聚合后的特征，连结全连接层及Softmax分类器进行最终分类。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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”。