Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华东师范大学谈笑枫获国家专利权

华东师范大学谈笑枫获国家专利权

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!

龙图腾网获悉华东师范大学申请的专利一种基于图神经网络的图像布局属性预测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:CN116310508B

龙图腾网通过国家知识产权局官网在2025-07-22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:202310091305.7,技术领域涉及:G06V10/764;该发明授权一种基于图神经网络的图像布局属性预测方法是由谈笑枫;贺樑;吴兴蛟;肖路巍;马天龙设计研发完成,并于2023-02-06向国家知识产权局提交的专利申请。

一种基于图神经网络的图像布局属性预测方法在说明书摘要公布了:本发明公开了一种基于图神经网络的图像布局属性预测方法,包括以下步骤:a确定图像布局需要预测的各种属性;将图像经过预处理,并将其转换为一包含节点和边的图结构;b构建网络块;它由多层结构组成,在每一层中,首先通过一个线性层,接着经过多头图卷积网络,最后经过两层的多层感知机,以进一步加强特征表示的多样性;c通过多层该网络块处理后的图像,输出特征个数逐层递减,网络呈金字塔结构,经过若干层后可以得到每个节点的最终特征信息。d最后,将这些特征输入到一个全连接网络和分类器,得到图像各种布局属性的预测值。本发明相较于现有方法具有特征提取及融合能力强,可在一定程度上提升预测图像布局的准确度。

本发明授权一种基于图神经网络的图像布局属性预测方法在权利要求书中公布了:1.一种基于图神经网络的图像布局属性预测方法,其特征在于,该方法包括具体如下: 步骤1:对需预测属性的图像,将其转化成具有节点和边的图结构;具体为: A1:首先确定图像布局结构属性,下载ImageNet图像数据集,针对每个属性对图像数据集进行人工标注;接着,划定训练集和验证集,划分的比例为8:2,其中,所述的人工标注即对问题给出的答案; A2:对于一张高度为H,宽度为W,大小为H*W*3的图片,把它分成N个D维向量,满足H*W*3=N*D,并把每个向量视为一个图的节点;对于每个节点,找到距离它前K近的邻居并在它们之间加上一条边;如此得到一张G=(V,E的图,其中V代表节点集合,E代表边集; 步骤2:构建深度学习网络块ViG,即在一个块中先后进入线性层、图卷积层、线性层和两层FFN网络;具体为: B1:图卷积部分Grapher:采用最大相对图卷积的方式进行处理,包含聚合和更新操作;其中聚合操作采用多头的方式,即应用attention机制,每个头有各自不同的更新权重,进行并行的更新并最终聚合在一起; B2:前馈网络FFN:是一个两层的多层感知器,包含隐藏层; B3:ViG网络块:特征向量在进入Grapher之前,首先应用一个线性层将节点的特征转换成另一组特征,其次经过图卷积部分,最后进入前馈网络FFN,即构成一个ViG块; 步骤3:使得步骤1中得到的图进入若干个规模依次减小的ViG,得到高维布局特征向量;具体为: C1:以金字塔结构布置ViG块,设置参数使得每层ViG中输出特征个数为输入特征个数的一半,在初始特征经过若干个ViG后,最终得到高维布局特征向量; 步骤4:将高维布局特征向量与若干个包含语义、图像布局结构信息的节点全连接,综合节点的输出得到图像布局属性预测;具体为: D1:根据A1确定的图像布局结构属性,一一建立对应的属性节点,与步骤3得到的高维布局特征向量全连接,并在属性节点后加入Softmax函数; D2:属性节点的输出即为所预测的图像布局属性。

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华东师范大学,其通讯地址为:200241 上海市闵行区东川路500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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。