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！

龙图腾网获悉上海师范大学申请的专利一种双层部件蒸馏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：CN116704231B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202310182757.6，技术领域涉及：G06V10/764；该发明授权一种双层部件蒸馏的细粒度图像分类方法是由张相芬;姜臻;袁非牛设计研发完成，并于2023-03-01向国家知识产权局提交的专利申请。

本一种双层部件蒸馏的细粒度图像分类方法在说明书摘要公布了：本发明公开了一种双层部件蒸馏的细粒度图像分类方法，属于图像处理技术领域。该方法包括获取初始图像数据集，并对其进行预处理；构建双层部件蒸馏的细粒度图像识别网络，包括目标级全局预测子网络、部件检测模块、部件级预测子网络以及监督与知识蒸馏模块；将所述预处理后的初始图像数据集数据送入该图像识别网络中进行训练；将待分类的目标图像输入训练好的目标级全局预测子网络中，得到分类结果。本发明有效地利用了知识蒸馏，将语义部件的局部信息迁移到主干网络的中层特征中，将各个语义部件的语义上下文信息迁移到主干网络的高层特征中，使得网络能够得到更高的分类精度，同时避免语义部件检测和识别，从而降低计算量，大幅缩短了推理时间。

本发明授权一种双层部件蒸馏的细粒度图像分类方法在权利要求书中公布了：1.一种双层部件蒸馏的细粒度图像分类方法，其特征在于，包括如下步骤： 1获取初始图像数据集，并对所述初始图像数据集进行预处理； 2构建双层部件蒸馏的细粒度图像识别网络，所述双层部件蒸馏的细粒度图像识别网络包括目标级全局预测子网络、部件检测模块、部件级预测子网络以及监督与知识蒸馏模块； 所述目标级全局预测子网络包括ResNet50卷积神经网络、一个空间注意力模块、一个通道注意力模块、两个全局平均池化层、三个Softmax激活层和三个全连接层； 所述ResNet50卷积神经网络作为特征提取器，其中的Conv1x、Conv2x、Conv3x和Conv4x作为中层卷积，Conv4x的输出为中层卷积特征图；Conv5x作为高层卷积，Conv5x的输出为高层卷积特征图； 所述高层卷积特征图经过所述通道注意力模块和所述全局平均池化层，得到高层特征向量，再将所述高层特征向量输入所述全连接层和Softmax激活层，得到高层概率向量； 所述中层卷积特征图经过所述空间注意力模块和所述全局平均池化层，得到中层特征向量，再将所述中层特征向量输入所述全连接层和Softmax激活层，得到中层概率向量； 最后将所述中层特征向量和所述高层特征向量进行拼接，得到目标级的表征向量，将该表征向量输入所述全连接层和Softmax激活层，得到目标概率向量； 所述部件检测模块对输入的所述目标级全局预测子网络中的高层卷积特征图使用特征金字塔网络来预测出固定数量的边界框，根据这些边界框对输入图像进行裁剪，将裁剪下来的图像块进行缩放后作为目标部件图输入到所述部件级预测子网络； 所述部件级预测子网络具体包括： 将裁剪并放缩后的多张所述目标部件图输入ResNet50卷积神经网络提取特征，其Conv5x输出的高层卷积特征图经过全局平均池化后得到部件级高层特征向量并输入全连接层和Softmax激活层，得到每张所述目标部件图的概率向量；对所有所述目标部件图的概率向量取平均，得到的部件概率向量； 将各个所述目标部件图的高层卷积特征图沿着通道维度拼接，将拼接后的所述高层卷积特征图输入1*1卷积层、批归一化层和ReLU激活层，对各部件之间的上下文关系进行建模，将得到的特征向量输入全连接层和Softmax激活层，得到全局概率向量； 所述监督与知识蒸馏模块具体包括： 使用余弦损失函数对所述目标级全局预测子网络的中层特征向量和高层特征向量进行监督； 使用交叉熵损失函数对所述部件概率向量、全局概率向量和目标概率向量进行监督； 使用所述部件级预测子网络的部件概率向量和全局概率向量分别对所述目标级全局预测子网络的中层概率向量和高层概率向量进行知识蒸馏，知识蒸馏将所述目标部件图的局部信息以及上下文信息分别蒸馏到所述目标级全局预测子网络； 所述知识蒸馏过程如下： 按照如下公式计算所述全局概率向量、部件概率向量、中层概率向量和高层概率向量软化后的概率向量，，，： 其中：T为温度超参数，决定向量被软化的程度； 所述部件级预测子网络的全局概率向量对所述目标级全局预测子网络的高层概率向量进行知识蒸馏： 所述部件级预测子网络的部件概率向量对所述目标级全局预测子网络的中层概率向量进行知识蒸馏： 总的知识蒸馏损失为： 3将所述预处理后的初始图像数据集数据送入该双层部件蒸馏的细粒度图像识别网络中进行训练，得到训练好的双层部件蒸馏的细粒度图像识别网络； 4将待分类的目标图像输入到所述训练好的双层部件蒸馏的细粒度图像识别网络的目标级全局预测子网络中，得到所述目标图像的分类结果。

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上海师范大学，其通讯地址为：200234 上海市徐汇区桂林路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。