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！

龙图腾网获悉中国石油大学(华东)申请的专利一种基于卷积神经网络的细粒度图像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：CN115631369B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202211224648.8，技术领域涉及：G06V10/764；该发明授权一种基于卷积神经网络的细粒度图像分类方法是由王坤;王延江;刘宝弟设计研发完成，并于2022-10-09向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的细粒度图像分类方法在说明书摘要公布了：本发明公开了一种基于卷积神经网络的细粒度图像分类方法，属于细粒度图像处理技术领域，首先通过采用融合通道特征再注意模块和空间多区域特征注意模块构建了分类网络模型，然后采用对比学习的思想设计了损失函数中的对比学习损失项，最终采用该分类网络模型对实时获取到的图像进行分类；具体包括如下步骤：构建分类网络模型；所述分类网络模型包括特征提取网络、通道特征再注意模块、空间多区域特征注意模块和分类器；构建训练数据集，进行模型训练；实时获取待分类的图像，将其送入训练完成的分类网络模型，得到当前图像的分类结果。本发明有效降低了细粒度图像分类的难度，解决了注意力机制在该领域上的限制。

本发明授权一种基于卷积神经网络的细粒度图像分类方法在权利要求书中公布了：1.一种基于卷积神经网络的细粒度图像分类方法，其特征在于，首先通过融合通道特征再注意模块和空间多区域特征注意模块构建了分类网络模型，然后采用对比学习的思想设计了损失函数中的对比学习损失项，最终采用该分类网络模型对实时获取到的图像进行分类；具体包括如下步骤： 步骤1、构建分类网络模型； 所述分类网络模型包括特征提取网络、通道特征再注意模块、空间多区域特征注意模块和分类器； 所述通道特征再注意模块内部首先采用平均池化和最大池化操作来整合特征通道信息，并利用SoftMax函数来获取特征图中每个通道的权重信息；按照权重分配得到增强的掩码矩阵E，并将权重高的通道进行抑制，通过抑制函数Fx得到抑制的掩码矩阵S；将输入特征图Xl分别与增强的掩码矩阵E和抑制的掩码矩阵S相乘得到输出特征图和 所述空间多区域特征注意模块采用下采样卷积、1×1卷积、SoftMax函数和CCMP模块，其中下采样卷积用于将多个阶段的和网络最后一个阶段的特征图空间尺度保持一致，1×1卷积用来简化计算，SoftMax函数和CCMP模块用来计算多个阶段的的空间上的相似性，并得到多样性学习损失Ldiv，Ldiv和相似性之间呈负相关，通过训练降低多样性损失，可使多个阶段的在空间上关注物体不同的辨别性部分；CCMP模块对特征图Xconcat中的每个像素在通道维度的峰值进行响应，并对Xconcat中元素进行先求和再求均值的操作h·来得到相似性的值Si； 步骤2、构建训练数据集，进行模型训练； 步骤3、实时获取待分类的图像，将其送入训练完成的分类网络模型，得到当前图像的分类结果。

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中国石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66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”。

以上内容由龙图腾AI智能生成。