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！

龙图腾网获悉北京工业大学申请的专利一种基于扩散模型与对比学习的吲哚菁绿荧光图像分类识别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：CN117115500B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202310299982.8，技术领域涉及：G06V10/764；该发明授权一种基于扩散模型与对比学习的吲哚菁绿荧光图像分类识别方法是由李建强;王昱皓;刘博;王强;周子安设计研发完成，并于2023-03-25向国家知识产权局提交的专利申请。

本一种基于扩散模型与对比学习的吲哚菁绿荧光图像分类识别方法在说明书摘要公布了：本发明公开了一种基于扩散模型与对比学习的吲哚菁绿荧光图像分类识别方法，包括下述步骤：步骤一，收集吲哚菁绿荧光图像作为数据集；步骤二，将步骤一的图像经过裁剪、缩放处理后输入扩散模型网络，训练扩散模型；步骤三，基于步骤二中预训练完成的扩散模型训练基于扩散模型的对比学习模型；步骤四，微调步骤三中的模型，对吲哚菁绿荧光图像进行检测和分类。本发明利用扩散模型学习真实样本之间的分布，并利用学习到的分布拟合真实分布，解决了数据集质量较低且样本不足的问题，提高了模型对于吲哚菁绿荧光图像的分类能力。

本发明授权一种基于扩散模型与对比学习的吲哚菁绿荧光图像分类识别方法在权利要求书中公布了：1.一种基于扩散模型与对比学习的吲哚菁绿荧光图像分类识别方法，其特征在于，包括以下步骤： 步骤一，收集吲哚菁绿荧光图像作为数据集； 步骤二，将步骤一的图像经过裁剪、缩放处理后输入扩散模型网络，训练扩散模型； 步骤三，基于步骤二中预训练完成的扩散模型训练基于扩散模型的对比学习模型； 所述步骤三包含以下步骤： S31：样本预处理；首先将图像先压缩至256*256大小，再从图像中任意切割一张224*224大小的图像作为最终输入神经网络的大小；对每一张图像均施加图像增强； S32：对于经过S31步骤完成预处理的一张图像样本x，对其随机施加两次图像增强，增强后的图像为xi和xj，同时使用步骤二中的扩散模型生成一张图像xdiff，diff为diffusion的前四个字母，意思为扩散，同样对其进行图像增强； S33：将步骤S32中获得的三张ICG图像xi，xj，xdiff分别输入编码器网络f·，图像经过编码器f·之后，会将输入的样本转换为2048维的向量hi,hj和hdiff；获得hi,hj和hdiff之后，再将hi,hj和hdiff送入projectionheadg·，其中projectionheadg·由两层全连接层网络组成，效果是将输入的向量由2048维映射到128维；经过projectionheadg·后，获得128维向量zi,zj和zdiff，接着分别计算zi,zj和zdiff之间的余弦相似度；余弦相似度sim的计算公式为： 其中，τ为温度系数以控制余弦相似度的输出范围，u，v分别为输入的向量，T代表转置，||表示向量的模； 最终的损失函数lsim为： 其中α为扩散系数，N为训练过程中一个批次的样本数，则其中expx表示e的x次幂，1k≠i则表示当k不等于i时取1，否则取0；最后再交换同一对图像的位置，并计算一个批次的损失并取平均： 使用公式8作为对比学习阶段的损失函数，训练编码器f·和projectionheadg·以最小化L，进行梯度并更新损失函数； 步骤四，微调步骤三中的模型，对吲哚菁绿荧光图像进行检测和分类。

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工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。