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！

龙图腾网获悉华南理工大学申请的专利一种基于对比学习预训练和双曲空间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：CN116843979B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202310852799.6，技术领域涉及：G06V10/764；该发明授权一种基于对比学习预训练和双曲空间的图像分类方法是由刘艳霞;赖浩宇;李宇虹;周月设计研发完成，并于2023-07-12向国家知识产权局提交的专利申请。

本一种基于对比学习预训练和双曲空间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对比学习预训练和双曲空间的图像分类方法，包括：获取待识别的目标图像；使用辅助定位器生成类激活图，获得前景区域；将目标图像与前景区域输入所提出的预训练框架进行全局‑全局、全局‑局部、局部‑局部间的对比学习；将目标图像输入至预训练后的深度神经网络获得图像级特征向量与各个区域的区域级特征向量，转换至双曲空间；将图像级与最具判别性的区域级特征向量进行拼接；输入双曲空间下定义的全连接层，获得识别结果；本发明的预训练框架能够缓解对比学习后模型出现注意力错误的情况，而双曲空间中的类别之间呈现树形结构，更有利于区分类别，同时又加入区域信息，因此最终能够提高图像分类能力。

本发明授权一种基于对比学习预训练和双曲空间的图像分类方法在权利要求书中公布了：1.一种基于对比学习预训练和双曲空间的图像分类方法，其特征在于，包括以下步骤： 获取待识别的目标图像； 目标图像输入辅助定位器生成类激活图，获得前景区域； 将目标图像与前景区域输入所提出的预训练框架进行全局-全局、全局-局部、局部-局部间的对比学习； 将目标图像输入至预训练后的深度神经网络获得图像级特征向量与各个区域的区域级特征向量，转换至双曲空间； 将目标图像输入至预训练后的深度神经网络获得图像级特征向量与各个区域的区域级特征向量，转换至双曲空间，具体包括： 输入的目标图像输入编码器中生成图像级的特征向量，通过等距的滑动窗口生成待建议的局部图像，将待建议的局部图像输入编码器中生成区域级的特征向量，将所有得到的特征向量转换为双曲空间下的特征向量； 双曲空间中的模型为庞加莱圆盘模型，其曲率参数为c： ； 其中是共形因子，是欧几里得度量张量；为黎曼度量；为n维的球体；为空间中的某一基点；为欧式空间；为单位矩阵； 将处于双曲空间中的任意向量相加定义为： 对于某个基点向量，将向量v由欧式空间转换至双曲空间的指数映射定义为： 其中基点x设置为0，代表曲率为c、基点为x时的共形因子； 将图像级与最具判别性的区域级特征向量进行拼接； 输入双曲空间下定义的全连接层，获得识别结果。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381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。