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！

龙图腾网获悉哈尔滨工程大学申请的专利一种基于迁移学习的改进视觉Transformer海底底质声呐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：CN115170943B 。

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：202210889544.2，技术领域涉及：G06V20/05；该发明授权一种基于迁移学习的改进视觉Transformer海底底质声呐图像分类方法是由赵玉新;郑良锋;朱可心;邓雄;卢志忠;杨德全;何健新;吴昌哲设计研发完成，并于2022-07-27向国家知识产权局提交的专利申请。

本一种基于迁移学习的改进视觉Transformer海底底质声呐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迁移学习的改进视觉Transformer海底底质声呐图像分类方法，改进视觉Transformer分类方法属于一种深度学习方法。它将图像通过前置卷积处理形成patch，依次通过patch嵌入、位置嵌入transformer编码层和多层感知机输出层后得到分类结果。通过反向传播的方法最小化网络残差，以实现分类器的训练。深度学习目的是学习样本数据的内在规律和表示层次，具有很强的非线性拟合学习能力，能够有效发掘出同类图像之间的共同特征。通过多层编码层的堆叠，网络会逐步学习到全局、局部特征，会主动关注图像中“重要”的部分。

本发明授权一种基于迁移学习的改进视觉Transformer海底底质声呐图像分类方法在权利要求书中公布了：1.一种基于迁移学习的改进视觉Transformer海底底质声呐图像分类方法，其特征在于：包括以下步骤： 步骤1：获取用于训练的数据集； 需要已知图像所属的底质类型，获得n类海底底质声呐图像； 步骤2：将这些图像进行预处理操作； 预处理包括图像去噪、图像特征增强； 步骤3：获取用于预训练的源域纹理图像； 步骤4：建立改进视觉Transformer网络； 包括前置卷积变换层、patch与位置嵌入层、transformer编码层和多层感知机输出层；层与层之间相互连接，组合成整个改进视觉transformer网络； 步骤5：在源域纹理图像上训练网络，获得预训练模型； 使用交叉熵损失函数，将纹理图像分为训练集和验证集输入网络进行网络训练； 步骤6：根据步骤2，依照4:1-7:1的比例设置训练集以及验证集的数量； 步骤7：将训练集中的图像与其实际类别输入网络中进行调整，每训练一轮在验证集上验证分类准确率； 将预训练后模型中的Transformer编码层中的参数复制至新的模型中，为迁移后模型；再将训练集中的图像输入网络，也使用交叉熵损失函数进行训练训练过程与步骤5中相似；每次训练集迭代完毕后需要在验证集上验证分类准确率，当网络的验证准确率不再提升时，得到最终微调后的模型； 步骤8：调整网络参数，获得训练后的Transformer分类器； 步骤9：将需要判断底质类型的声呐图像输入分类器，分类器自动输出分类结果。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室；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”。