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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东迈越文保科技有限公司申请的专利基于深度学习的古籍纸张纤维图像分类方法和电子设备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：CN119360145B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202411931484.1，技术领域涉及：G06V10/764；该发明授权基于深度学习的古籍纸张纤维图像分类方法和电子设备是由王斌鹏;贾凯红;孙凯;侯萌;寻广龙;王振设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本基于深度学习的古籍纸张纤维图像分类方法和电子设备在说明书摘要公布了：本发明涉及图像分类技术领域，尤其是提供了一种基于深度学习的古籍纸张纤维图像分类方法和电子设备。该方法包括构建纸张纤维图像数据集，并对纸张纤维图像数据集进行预处理和数据增强，获得处理后的数据集；使用MobileViT模型作为基础模型，从处理后的数据集中提取纤维的特征信息；根据提取纤维的特征信息，对MobileViT模型的结构进行改进，设计中值增强的融合注意力模块，获得改进后的模型；设计自适应对比损失函数，对改进后的模型进行训练，以增强模型对不同类别纤维之间特征差异的识别能力，该方法实现了对纸张纤维的快速、准确的分类，确保了修复工作的成功，提高了修复后纸张的保存质量。

本发明授权基于深度学习的古籍纸张纤维图像分类方法和电子设备在权利要求书中公布了：1.一种基于深度学习的古籍纸张纤维图像分类方法，其特征在于，所述方法包括： 步骤1、采集纤维图像，对纤维图像进行数据预处理，将其划分为训练集和测试集，并对训练集进行在线数据增强，根据测试集和数据增强后的训练集获得纸张纤维数据集； 步骤2、使用MobileViT模型作为基础模型，从纸张纤维数据集中提取纤维的特征信息，获得最终的输出特征； 步骤3、根据最终的输出特征，对MobileViT模型的结构进行改进，设计中值增强的融合注意力模块，获得改进后的模型； 步骤4、设计自适应对比损失函数，对改进后的模型进行训练，输出最终的分类结果； 所述步骤2包括： 步骤21、给定输入特征图，其中，H、W分别代表特征图的高度、宽度，为输入通道数；使用3×3卷积层提取初始局部信息，步长为2，空间尺寸减半，初始局部信息的表达式为： ； 其中，表示表示3×3卷积操作； 步骤22、输入通过若干个MV2模块进行轻量化局部特征提取，首先通过1×1逐点卷积将通道扩展到，应用ReLU6激活函数进行非线性映射；随后通过3×3深度可分离卷积提取空间特征，保持通道数不变；再次应用ReLU6激活函数进行非线性映射，其表达式为： ； 其中，表示1×1逐点卷积操作，表示3×3深度可分离卷积操作； 步骤23、通过1×1卷积将通道从压缩回，通过线性层Linear输出，其表达式为： ； 步骤24、若输入和输出通道一致，且步长为1，则加入残差连接： ； 当步长为2时，直接输出； 输出特征，； 步骤25、输入特征通过3×3卷积提取更细粒度的局部特征，其表达式为： ； 其中，C表示提取局部特征后的通道； 步骤26、为了处理局部特征并捕捉更丰富的空间关系，将局部特征分割为N个不重叠的图像块，形成输入序列，其表达式为： ； 其中，d表示每个图像块的特征维度；Unfold表示展开操作，将特征图转换为一系列小块，每个图像块在展开后转化为向量序列，为全局特征学习提供输入； 步骤27、通过Transformer编码器处理图像块序列，捕捉全局关系，通过L层Transformer后，模型能学习图像的全局上下文信息，得到编码特征，其表达式为： ； 其中，L表示Transformer编码器堆叠的层数； 步骤28、将编码后的特征重新折叠成与输入特征图相同的空间维度H×W，以确保信息的完整性，其表达式为： ； 其中，是全局特征通道数，Fold操作将编码后的特征还原为于输入特征图相同的空间结构； 步骤29、通过融合模块将局部特征和全局特征结合，获得增强的特征表示，其表达式为： ； 其中，表示融合后特征的输出通道数； 步骤30、通过33卷积对融合后的特征通道进行调整，得到最终的输出特征Y，其表达式为： ； 所述步骤4中自适应对比损失函数，其表达式为： ； ； ； ； 其中，N表示批次大小，和通过L2正则化进行预处理，是和的相似性度量，是动态阈值，是固定阈值，是权重参数，表示自适应阈值；表示自适应对比损失值；z表示样本；表示交叉熵损失值；y表示样本的真实标签，表示样本的预测标签；表示总体损失值。

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齐鲁工业大学(山东省科学院);山东迈越文保科技有限公司，其通讯地址为：250000 山东省济南市长清区西部新城大学科技园；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”。