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！

龙图腾网获悉西安电子科技大学申请的专利基于物理全局滤波注意力卷积神经网络的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：CN119516252B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202411474637.4，技术领域涉及：G06V10/764；该发明授权基于物理全局滤波注意力卷积神经网络的图像分类方法是由郭璋;陈辉雨;缑水平;沙毓;王新林;刘波设计研发完成，并于2024-10-22向国家知识产权局提交的专利申请。

本基于物理全局滤波注意力卷积神经网络的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物理全局滤波注意力卷积神经网络的图像分类方法，主要解决现有技术在图像分类任务上对复杂模式、细微特征识别能力不足的问题，其实现方案为：获取图像分类数据集，划分训练集和测试集；构建包括编码器、全局滤波器层、特征融合器、扩展器和全局注意力融合器的全局滤波注意力模块，以将一维通道权重和二维空间权重融合成三维注意力权重；在现有卷积神经网络架构中的残差块中添加全局滤波注意力模块；利用训练集对该图像分类网络进行训练；将测试集输入到训练好的基于物理全局滤波器注意卷积神经网络，得到测试集的图像分类结果。本发明提升网络在图像分类任务上对复杂模式和细微特征的识别能力，提高图像分类准确率，可用于自动驾驶、医疗影像分析。

本发明授权基于物理全局滤波注意力卷积神经网络的图像分类方法在权利要求书中公布了：1.一种基于物理全局滤波注意力卷积神经网络的图像分类方法，其特征在于，包括如下步骤： 1获取图像分类数据集，将其按照8:2比例划分训练集和测试集； 2构建全局滤波注意力模块GFA： 2a构建由空间维度的最大池化层和平均池化层组成的第一编码器D1，用于对全局通道信息进行软编码，生成一维通道向量和构建由通道维度的最大池化层和平均池化层组成的第二编码器D2，用于对全局空间信息进行软编码，生成二维空间图和 2b构建包括一维快速傅里叶变换、第一全局可学习滤波器L1和一维快速傅里叶逆变换的第一全局滤波层G1，用于对一维通道向量和进行滤波，生成全局通道特征向量和构建包括二维快速傅里叶变换、第二全局可学习滤波器L2和二维快速傅里叶逆变换的第二全局滤波层G2，用于对二维空间图和进行滤波，生成全局空间特征图和 2c构建包括第一逐元素加法器和sigmoid激活函数的第一特征融合器S1，用于将全局通道特征向量和融合成一维全局通道权重Mgc；构建包括第二逐元素加法器和sigmoid激活函数的第二特征融合器S2，用于将全局空间特征图和融合成二维全局空间权重Mgs； 2d设置扩展器E，用于将一维全局通道权重Mgc向量扩展为C×H×W大小的全局通道权重M'gc，将二维全局空间权重Mgs扩展为C×H×W大小的全局空间权重M'gs，其中C是通道维度即通道数，H和W分别是空间维度的高度和宽度； 2e构建包括第三逐元素加法器和sigmoid激活函数的全局注意力融合器M，用于将扩展为C×H×W大小的全局通道权重M'gc和全局空间权重M'gs逐元素相加，并将相加后的结果通过sigmoid激活函数聚合成三维全局滤波权重Mgf； 2f将第一编码器D1、第一全局滤波层G1、第一特征融合器S1三者级联构成第一滤波注意力支路；将第二编码器D2、第二全局滤波层G2、第二特征融合器S2级联构成第二滤波注意力支路；将扩展器E与全局注意力融合器M级联构成融合支路；将扩展器E分别与第一条支路中的第一特征融合器S1和第二条支路中第二特征融合器S2连接，形成全局滤波注意力模块GFA； 3在现有卷积神经网络Net1架构中的残差块中添加所述全局滤波注意力模块GFA，得到基于物理全局滤波注意力卷积神经网络Net2； 4将训练集输入到基于物理的全局滤波器注意卷积神经网络Net2，通过反向传播法对其进行训练，得到训练好的基于物理的全局滤波器注意卷积神经网络Net3； 5将测试集输入到训练好的基于物理的全局滤波器注意卷积神经网络Net3，得到测试集的图像分类结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。