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！

龙图腾网获悉华东交通大学申请的专利基于多粒度混合细粒度原型网络的图像分类方法及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：CN120932029B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511476367.5，技术领域涉及：G06V10/764；该发明授权基于多粒度混合细粒度原型网络的图像分类方法及系统是由余鹰;邓惟灏设计研发完成，并于2025-10-16向国家知识产权局提交的专利申请。

本基于多粒度混合细粒度原型网络的图像分类方法及系统在说明书摘要公布了：本发明提供了一种基于多粒度混合细粒度原型网络的图像分类方法及系统，通过使用MIE模块从视觉模型的Swin‑Transformer骨干网络的不同层提取不同粒度的底层细粒度特征用其作为对应种类原型学习的来源；使用原型蒸馏策略细化原型库中的原型，让原型更能精确表达对象的底层特征；为了使视觉模型学习到更加鲁棒的细粒度的表示，使用原型交换策略，即交换不同种类的原型，让模型学习到不同种类之间表示的差异；最终将原型向量与原型库中各个种类的原型对应的原型表示进行原型匹配，并与视觉模型的分类头的预测结果进行可信融合，得到最终预测的概率分布，在提升分类精度的同时，提高分类效率。

本发明授权基于多粒度混合细粒度原型网络的图像分类方法及系统在权利要求书中公布了：1.基于多粒度混合细粒度原型网络的图像分类方法，其特征在于，通过视觉模型实现，所述方法包括： 获取图像，将图像输入视觉模型的Swin-Transformer骨干网络，输出不同粒度的特征图，并将最后三层的特征图分别输入MIE模块，提取不同粒度的底层细粒度特征，将底层细粒度特征进行拼接，得到原型向量； 使用原型蒸馏策略细化原型库中的原型，其中，将所述原型向量与所述原型库中真实类别标签的原型做融合，以此分类以优化原型库中的原型； 使用原型交换策略迫使视觉模型学习不同原型间的差异，其中，将所述原型向量与所述原型库中非真实类别标签的原型进行一定比例的混合交换，并用于分类，以预设的损失函数进行约束并更新，最后得到鲁棒的多粒度细粒度底层对象的原型表示，存储在原型库中； 将所述原型向量与所述原型库中各个种类的原型对应的原型表示进行原型匹配，并与视觉模型的分类头的预测结果进行可信融合，得到最终预测的概率分布； 所述MIE模块包括依次设置的判别性特征下采样子模块、部分采样压缩子模块以及交叉注意力融合子模块，所述判别性特征下采样子模块用于通过2D卷积下采样至最后一层特征图大小；所述部分采样压缩子模块用于学习到对象具有关键特征且不局限于矩形区域的细粒度特征；所述交叉注意力融合子模块用于将所述部分采样压缩子模块的输出结果与Swin-Transformer骨干网络最深层的特征图进行交叉注意力融合处理； 将所述原型向量与所述原型库中真实类别标签的原型进行相似度融合，并对蒸馏融合的特征做分类预测，使用交叉熵损失，通过反向传播约束并更新原型库中的原型，其中，原型蒸馏策略的表达式为： ； 其中，为从原型库中得到的相同种类的原型，p为融合后的特征，q•为查询的生成函数，k•为键的生成函数； 所述原型交换策略的表达式为： ； 其中，为交换后的原型，IP为纯度，为原型库当前种类的原型，为原型库当前不同种类的原型。

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华东交通大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街808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。