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！

龙图腾网获悉重庆金融科技研究院申请的专利基于多尺度Transformer的静脉识别神经网络模型、方法与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：CN116229230B 。

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：202211591327.1，技术领域涉及：G06V10/82；该发明授权基于多尺度Transformer的静脉识别神经网络模型、方法与系统是由秦华锋;巩长庆;王闪闪;吴燚权;熊志鹏设计研发完成，并于2022-12-12向国家知识产权局提交的专利申请。

本基于多尺度Transformer的静脉识别神经网络模型、方法与系统在说明书摘要公布了：本发明属于生物特征识别技术领域，具体涉及一种基于多尺度Transformer的静脉识别神经网络模型、方法与系统。本发明对现有的ViT模型进行了多尺度化改进，将输入图片通过尺寸变换化为包括了不同尺寸的子图的图集，且每一子图均被划分重叠划分为同样数量同样尺寸的位置块，再通过不同尺度间的同一位置的图块的特征序列来进行计算不同尺寸的子图上此处位置间的联系，进而让模型学习到尺寸的联系，间接的消除不同尺寸的敏感性。使得全局信息更加完善，提取的特征更加友好。本发明通过不同尺度同一位置间以及同一尺度不同位置间的关系去影响分类结果，提高了的模型识别性能。

本发明授权基于多尺度Transformer的静脉识别神经网络模型、方法与系统在权利要求书中公布了：1.基于多尺度Transformer的静脉识别神经网络模型系统，其特征在于，包括，依次连接的尺度变换模块、多尺度分割模块、线性嵌入模块和多尺度Transformer模块，还包括图块卷积模块； 至少一个所述的多尺度Transformer模块与所述图块卷积模块连接形成多尺度Transformer-卷积模组； 若所述多尺度Transformer-卷积模组包含多个多尺度Transformer模块，则各个多尺度Transformer模块依次级联，其中最后一级多尺度Transformer模块与所述图块卷积模块连接； 所述多尺度Transformer模块的输出Y的形式在进入图块卷积模块时，变换二维特征矩阵集的形式； 所述图块卷积模块，包括依次连接的第一颗粒卷堆栈块、第二颗粒卷堆栈块和降采样层； 所述尺度变换模块，用于将静脉图片I，缩放为多个不同的尺寸的子图In，n=1,2…N，令h0、w0、c分别为静脉图片I的高、宽和通道数，hn、wn、c分别为子图In的高、宽和通道数，有：h1＞h2＞…hn，w1＞w2＞…wn； 所述多尺度分割模块用于将各子图In分割为尺寸为P×L的位置块，其中对于尺寸最大的I1，采用无重叠分割；其余子图均采用有重叠分割，该有重叠分割使得各子图被分割为相同数量的，尺寸为P×L的位置块； 以及，将各子图的各个位置块展平为长度为C=PLc的序列,m=1,2…M,n=1,2…N；其中M为位置块的数量，有： M=H×W H=，W=； 所述线性嵌入模块，用于通过可学习的映射矩阵E，将各序列映射为长度为D的特征，并将各子图的特征拼接为一维的特征序列It,n； 以及，对各特征序列It,n分别实施可学习的位置编码； 以及，增加一可学习的，形式与特征序列It,n相同的尺度嵌入序列Escale，与各子图的特征序列共同组成特征序列集ITE； 所述多尺度Transformer模块包括了依次连接的尺度自注意力计算部分和空间自注意力计算部分； 所述尺度自注意力计算部分，用于基于输入的特征序列集ITE计算不同的子图上对应于同一位置的位置块间的自注意力权重，称尺度自注意力权重，并得到基于特征图块集ITE的输出Xnew； 所述空间自注意力计算部分，用于基于输入Xnew计算同一子图上对应于不同位置的位置块间的自注意力权重，称空间自注意力权重，并得到基于Xnew的输出X1。

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重庆金融科技研究院，其通讯地址为：400000 重庆市九龙坡区含谷镇科学谷一期一标段18号楼2楼；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”。