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！

龙图腾网获悉北京理工大学申请的专利基于超轻量网络的图像融合识别方法、装置、介质及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：CN120147823B 。

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：202510225811.X，技术领域涉及：G06V10/82；该发明授权基于超轻量网络的图像融合识别方法、装置、介质及设备是由于珊平;王池;曾亮设计研发完成，并于2025-02-27向国家知识产权局提交的专利申请。

本基于超轻量网络的图像融合识别方法、装置、介质及设备在说明书摘要公布了：本发明涉及生物特征图像识别技术领域，公开了一种基于超轻量网络的图像融合识别方法、装置、介质及设备，所述方法包括：采用改进的Co3Net网络模块对输入的多模态图像进行特征提取，得到多尺度特征；采用超轻量网络模块对输入的多尺度特征进行特征提取，得到全局特征；采用自注意力机制模块根据输入的全局特征划得到自注意力图；采用前向传播单元将自注意力图进行前向传播，得到最终前向传播输出；采用分类器根据最终前向传播输出得到多模态图像分类标签。应用本发明可以降低掌纹掌静脉识别方法在计算复杂度和参数量，解决了在资源受限的嵌入式设备和移动终端上难以高效运行的问题。

本发明授权基于超轻量网络的图像融合识别方法、装置、介质及设备在权利要求书中公布了：1.一种基于超轻量网络的图像融合识别装置，其特征在于，包括：改进的Co3Net网络模块、超轻量网络模块、自注意力机制模块、前向传播单元和分类器； 改进的Co3Net网络模块，被配置为对输入的多模态图像进行特征提取，得到多尺度特征； 超轻量网络模块，被配置为对输入的多尺度特征进行特征提取，得到全局特征；所述超轻量网络模块包括m个标准卷积层、n组顺序连接的深度可分离卷积层和点卷积层的组合、批处理归一化层、激活层和池化层；m取值为1-3，n取值为3-5； 自注意力机制模块，被配置为根据输入的全局特征划得到自注意力图； 前向传播单元，被配置为将自注意力图进行前向传播，得到最终前向传播输出； 分类器，被配置为根据最终前向传播输出得到多模态图像分类标签； 所述改进的Co3Net网络模块，包括输入层、多个并行的竞争通道单元，通过对利用多模态图像采用Co3net网络进行训练得到基准Co3net网络模型进行剪枝得到，每个竞争通道单元为根据基准Co3net网络模型的相应竞争通道单元剪枝得到，具体剪枝方式为：通过计算每个竞争通道单元的L1范数值作为重要性指标，根据每个竞争通道单元的重要性分别进行剪枝处理；其中的标准卷积层替换为顺序连接的深度可分离卷积层和点卷积层的组合；所述深度可分离卷积层，被配置为对每个输入通道独立使用3×3卷积核进行特征提取；所述点卷积层，被配置为对每个输入通道的特征进行逐点卷积,使用1×1卷积核对通道间信息进行整合。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。