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！

龙图腾网获悉河海大学申请的专利基于多教师知识蒸馏和归一化注意力的岩石类别预测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：CN115393671B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202211022055.3，技术领域涉及：G06V10/774；该发明授权基于多教师知识蒸馏和归一化注意力的岩石类别预测方法是由秦宗韬;和子杰;张宇韬;王源静;蒋若男设计研发完成，并于2022-08-25向国家知识产权局提交的专利申请。

本基于多教师知识蒸馏和归一化注意力的岩石类别预测方法在说明书摘要公布了：本发明公开了一种基于多教师知识蒸馏和归一化注意力的岩石类别预测方法，包括S1：采集岩石样品图像，建立岩石数据集，并对原始岩石样品图像数据进行预处理；S2:将在原有的网络结构基础上插入基于归一化的注意力模块，构建轻量级神经网络；S3：采用多教师知识蒸馏方法，即采用以Swin‑Transformer为代表的自注意力模块和以ResNet为代表的卷积模型，训练出轻量级学生模型；S4:将数据集分为训练集和测试集，记录分类结果和各项性能指标。本发明以MobileNetV3为学生模型，结合CNN和Self‑Attetion两种范式的优点，训练出一个性能更好的轻量级模型，通过批量归一化得到的缩放因子，通过缩放因子反映出各个通道的变化的大小，也表示了该通道的重要性，使得不需要额外的参数就能实现注意力机制。

本发明授权基于多教师知识蒸馏和归一化注意力的岩石类别预测方法在权利要求书中公布了：1.基于多教师知识蒸馏和归一化注意力的岩石类别预测方法，其特征在于，包括如下步骤： S1：采集多个岩石样品图像，创造岩石数据集，并对原始岩石样品图像数据进行预处理； S2：将在原有的网络结构基础上插入基于归一化的注意力模块，构建轻量级神经网络；具体包括如下步骤： S21：在MobileNetV3的基础上重新设计注意力机制子模型，使用批量归一化中的缩放因子γ，如下公式所示： 式中，μB和分别是小批量样本的均值和方差，γ和β是可训练的放射变换参数，Bin是输入样本，Bout是输出样本，∈为一个较小值，防止除0操作； S22：通过下式求得每个通道的权重： 式中，wi为第i个通道的权重，γi和γj分别为第i个和第j个通道的缩放因子； S23：根据所得的权重，与原特征图进行加权求和，再通过一个非线性激活即得到输出： Mout＝sigmoidWγBNMin 式中，Min为输入特征图，Mout为输出特征图，Wγ为通过wi对归一化处理后的特征图进行加权求和，sigmoid·为非线性激活函数； S3：采用多教师知识蒸馏方法，即采用以Swin-Transformer为代表的自注意力模块和以ResNet为代表的卷积模型，训练出轻量级学生模型；具体训练步骤包括： S31：向采用ImageNet预训练后的两个教师模型导入自建的岩石切片数据集中的图像数据，并将其所得概率分布依次与温度参数相除达到软化的目的，通过真实标签量化每个教师模型的置信度，通过不同的权重可以自适应地加权预测，通过softmax处理后得到软标签； S32：向学生模型MobileNetV3-NAM中导入自建的岩石切片数据集中的图像数据进行并行计算，对其采用与教师模型同样的计算流程获取软预测，并同时通过不设置温度参数直接输入softmax获取硬预测； S33：采用不同的权重参数依次对所得的多教师模型的软标签和软预测、硬标签和硬预测获得总混合损失值； S34：利用Adam优化器和混合损失函数对学生模型MobileNetV3-NAM进行训练，借助梯度反向传播实现学生模型参数的更新； S35：重复进行上述步骤，直至MobileNetV3-NAM模型的混合函数及分级准确率变化曲线趋于稳定，结束模型的训练； S4:将待处理的岩石图像加载到模型中，记录分类结果和各项性能指标。

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河海大学，其通讯地址为：210000 江苏省南京市鼓楼区西康路1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”。