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！

龙图腾网获悉中国铁塔股份有限公司天津市分公司申请的专利一种基于深度学习的数字识别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：CN121236779B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511793781.9，技术领域涉及：G06V30/19；该发明授权一种基于深度学习的数字识别方法及系统是由郭强;郑洪雷;芮瑞;王宇飞;边利军;魏毅;李玮;吴启程;边岳;祁宝金;吴旭设计研发完成，并于2025-12-02向国家知识产权局提交的专利申请。

本一种基于深度学习的数字识别方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的数字识别方法及系统，方法包括图像采集、图像优化模型设计、数字数维灵配单元设计、数字位域引航单元设计、数字图像识别模型建立和数字识别。本发明属于图像处理领域，具体是指一种基于深度学习的数字识别方法及系统，本方案通过数字数维灵配单元，根据数字真实尺寸动态调整感受野，基于数字位域引航单元，通过顺向导控和逆向精进，提升数字定位的准确性；基于轮廓加权损失和形态感知损失，强化数字轮廓模糊区域的分割完整性；通过双路同步优化，平衡关键笔画细节保留与抗干扰能力；基于数字像素周区离散度生成权重，并引入结构差异损失，显著提升对数字轮廓区域的特征学习；进而提高数字识别效果。

本发明授权一种基于深度学习的数字识别方法及系统在权利要求书中公布了：1.一种基于深度学习的数字识别方法，其特征在于：该方法包括以下步骤： 步骤S1：图像采集；获取历史数字原始图像，构建初始数字图像集； 步骤S2：图像优化模型设计；设计图像优化模型，包括数字数维灵配单元和数字位域引航单元； 步骤S3：数字数维灵配单元设计；提取双感受野特征，构建适配数字尺度的特征； 步骤S4：数字位域引航单元设计；生成数字定位掩码，通过顺向导控与逆向精进实现双轨导控，并构建图像优化损失函数； 步骤S5：数字图像识别模型建立；经双路同步优化和基于笔画轮廓的动态加权损失设计，建立数字图像识别模型； 步骤S6：数字识别；对实时数字图像进行识别； 在步骤S4中，所述数字位域引航单元设计具体包括： 步骤S41：数字定位掩码生成；从分割支线获取数字特征Fseg；用通道注意力筛选，得到；用空间注意力定位数字位置：对计算通道维度的均值与最大值特征图，生成空间掩码，得到；对做阈值处理，并调整尺寸，生成数字定位掩码；其中，是通道筛选后的分割特征图；是空间定位后的分割特征图； 步骤S42：双轨导控架构设计；顺向导控：将与轮廓特征逐元素相乘，得到聚焦数字轮廓的特征；逆向精进：轮廓检测支路的损失反向传播时，梯度反馈至分割特征Fseg，与分割支路梯度融合；初始的轮廓特征是数字区域的分割概率图； 步骤S43：图像优化损失函数设计；设计轮廓加权损失和形态感知损失；通过轮廓检测支线的真实标签生成权重；构建轮廓加权损失；通过数字真实区域的面积进行动态参数调整；并通过闭合区域数量和轮廓总曲率量化形态复杂度，得到形态感知损失；进而构建总图像优化损失函数； 在步骤S5中，所述数字图像识别模型建立具体包括以下内容： 步骤S51：模型架构设计；输入优化后数字图像，经双路同步优化处理后进行特征提纯，然后输入至U形架构的编码-解码流程，包括编码器与解码器；最终经卷积输出10类数字的概率图；得到数字识别结果； 步骤S52：双路同步优化是细节路用高斯金字塔将数字图像分解为低频分量与高频分量；用高斯带通滤波器保留细节；通过泰勒展开放大高频分量；抗扰路对数字原始图像生成形变图像，用Farneback光流算法计算数字原始图像与形变图像的形态变化向量；将光流场转换为64维向量；将细节路的特征与抗扰路的特征拼接为融合特征； 步骤S53：特征提纯；用步长=2的卷积替代池化层，对融合特征经卷积后输出；并从通道和空间两个维度筛选特征，通道注意力对输入特征，通过全局平均池化与最大池化，压缩空间维度，经MLP生成通道权重，加权后特征表示为F'；空间注意力对F'在通道维度做平均池化与最大池化，拼接后经卷积生成空间权重；得到加权后特征； 步骤S54：损失函数设计；构建基于笔画轮廓的动态加权损失函数，计算每个像素与其上下左右周区的离散度，建立指数归一化权重；并引入结构差异损失项，构建最终动态加权损失函数。

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中国铁塔股份有限公司天津市分公司，其通讯地址为：300041 天津市和平区小白楼街唐山道58号3层；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。