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！

龙图腾网获悉中冶赛迪技术研究中心有限公司;重庆爱尔麦格眼科医院有限公司申请的专利一种目标图像的分类方法、装置、电子设备及介质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：CN114842270B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210609664.2，技术领域涉及：G06V10/764；该发明授权一种目标图像的分类方法、装置、电子设备及介质是由马明勋;陈敏;张波;陈谙谱;池晨设计研发完成，并于2022-05-31向国家知识产权局提交的专利申请。

本一种目标图像的分类方法、装置、电子设备及介质在说明书摘要公布了：本发明适用于人工智能技术领域，提供了一种目标图像的分类方法、装置、电子设备及介质，其中，方法包括：获取三维样本角膜图像，将其映射为若干个通道的二维样本深度图，并形成样本数据集；构建初始图像分类模型，采用样本数据集训练初始图像分类模型，获取用于角膜图像分类的目标图像分类模型，初始图像分类模型包括用于特征提取的第一组件、用于特征融合的第二组件和用于特征分类的第三组件；获取三维目标角膜图像，将其输入目标图像分类模型，输出目标分类结果；解决了现有技术中图像分类模型的分类精度低的问题。

本发明授权一种目标图像的分类方法、装置、电子设备及介质在权利要求书中公布了：1.一种目标图像的分类方法，其特征在于，包括： 获取三维样本角膜图像，将其映射为若干个通道的二维样本深度图，并形成样本数据集； 构建初始图像分类模型，采用所述样本数据集训练所述初始图像分类模型，获取用于角膜图像分类的目标图像分类模型，所述初始图像分类模型包括用于特征提取的第一组件、用于特征融合的第二组件和用于特征分类的第三组件； 获取三维目标角膜图像，将其映射为若干个通道的二维目标深度图，并将所述二维目标深度图输入所述目标图像分类模型，输出目标分类结果； 所述采用所述样本数据集训练所述初始图像分类模型，获取用于角膜图像分类的目标图像分类模型，包括： 对二维样本深度图进行通道拼接，采用所述第一组件对所述通道拼接后的二维样本深度图进行特征提取，得到样本特征；第一组件是卷积神经网络模型，采用卷积神经网络模型对通道拼接后的二维样本深度图进行特征提取时，采用多次卷积与跳跃连接的方式对其进行特征提取； 基于所述第二组件，采用自注意力机制对所述样本特征进行跨通道特征融合，得到融合特征； 采用所述第三组件对融合特征进行分类，得到分类结果； 采用交叉熵损失函数获取所述分类结果与预设结果的分类误差，并采用所述分类误差反向传播更新所述初始图像分类模型，获取目标图像分类模型； 所述基于所述第二组件，采用自注意力机制对所述样本特征进行跨通道特征融合，得到融合特征，包括： 获取所述样本特征的位置信息，得到位置特征； 根据自注意力机制和所述位置特征对所述样本特征进行跨通道特征融合，得到融合特征； 所述样本特征由多维矩阵组成，所述采用自注意力机制对所述样本特征进行跨通道特征融合，得到融合特征，包括： 根据预设拆分规则将所述样本特征拆分为若干个矩阵，得到子样本特征； 分别获取两个子样本特征之间的关联特征； 根据注意力机制和关联特征确定目标子样本特征； 对所述目标子样本特征进行跨通道特征融合，得到融合特征； 所述目标子样本特征zi的数学表达为： 其中，zi为第i个目标子样本特征，i为目标子样本特征的标号，x为样本特征，x＝x1，x2，...，xn，x1为第一个子样本特征，x2为第二个子样本特征，xn为第n个子样本特征，n为子样本特征的总数，j为子样本特征的标号，xj为第j子样本特征，xi为第i子样本特征，aij为子样本特征xi与子样本特征xj的关联特征，V为自注意力机制的输入矩阵，WV为V所对应的权重矩阵； 子样本特征xi与子样本特征xj的关联特征的数学表达为： 其中，eij为子样本特征xi与子样本特征xk的关联数据，eik为子样本特征xi与子样本特征xk的关联数据； eij的数学表达为： eij＝xiWQxjWKT； 其中，Q、K均为自注意力机制的输入矩阵，WQ为Q所对应的权重矩阵，WK为K所对应的权重矩阵，T为矩阵的转置。

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冶赛迪技术研究中心有限公司;重庆爱尔麦格眼科医院有限公司，其通讯地址为：401122 重庆市渝北区北部新区汇金路11号1幢；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”。