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！

龙图腾网获悉广东工业大学申请的专利一种基于注意力卷积网络的画作智能评分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：CN116310491B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202310001739.3，技术领域涉及：G06V10/764；该发明授权一种基于注意力卷积网络的画作智能评分方法及系统是由郑少龙;李珍妮;纪毅;蔡奕辉;韩明钰设计研发完成，并于2023-01-03向国家知识产权局提交的专利申请。

本一种基于注意力卷积网络的画作智能评分方法及系统在说明书摘要公布了：本发明公开了一种基于注意力卷积网络的画作智能评分方法及系统，该方法包括：基于注意力卷积网络构建粗分类器和细分类器；基于粗、细分类器构建智能评分框架；对收集的绘画作品按照分数进行分类，得到输入数据，将输入数据集输入到粗分类器中，再将粗分类器的输出输入到细分类器中，得到分类信息；对分类信息进行赋值评分，得到最终评分。该系统包括：数据集获取模块、网络构建模块、框架构建模块和赋值评分模块。通过使用本发明，能够规避预训练网络导致的问题，对画作进行客观、准确和快速的评分。本发明作为一种基于注意力卷积网络的画作智能评分方法及系统，可广泛应用于图像智能评分领域。

本发明授权一种基于注意力卷积网络的画作智能评分方法及系统在权利要求书中公布了：1.一种基于注意力卷积网络的画作智能评分方法，其特征在于，包括以下步骤： S1、对收集的绘画作品按照等级进行分类，得到输入数据集； S2、基于全局特征和局部特征构建分类网络，得到注意力卷积网络；具体包括： 基于二维卷积神经网络构建图像嵌入层； 基于深度可分离卷积块构建局部特征提取层； 基于Reshape函数和多头注意力机制模块构建全局特征学习层； 基于全局平均池化函数和非线性的激活函数构建细粒度分类层； 将图像嵌入层、局部特征提取层、全局特征学习层和细粒度分类层进行拟合，得到注意力卷积网络； 所述深度可分离卷积块由两个1×1的逐点卷积和一个空间深度卷积构成，其公式表示如下： 其中，Conv表示普通卷积，Y表示深度可分离卷积块的输出，DWconv表示可分离卷积，Bi表示各层的偏置量； 所述基于全局平均池化函数和非线性的激活函数构建细粒度分类层这一步骤，其公式表示如下： 其中，pj表示第j个类别的概率，GHF表示局部特征和全局特征全局平均池化输出，表示包含局部特征和全局特征的交互信息，d表示多头注意力模块头的数目，i表示第i个深度可分离卷积块，n表示深度可分离卷积块的个数，yj表示第j个类别的特征信息； S3、基于注意力卷积网络构建粗分类器和细分类器，得到智能评分框架； S4、将输入数据集输入到智能评分框架中，得到最终评分；具体包括： 基于粗分类器的图像嵌入层对输入数据集进行投影处理，得到多通道的第一类特征空间投影； 应用粗分类器的局部特征提取层对多通道的第一类特征空间投影进行特征提取，得到第一类高维局部特征； 应用粗分类器的全局特征学习层对第一类高维局部特征进行补充学习，得到第一类局部特征和第一类全局特征的交互信息； 应用粗分类器的细粒度分类层对第一类局部特征和第一类全局特征的交互信息进行分类，得到第一类分类信息； 基于细分类器的图像嵌入层对第一类分类信息进行投影处理，得到多通道的第二类特征空间投影； 应用细分类器的局部特征提取层对多通道的第二类特征空间投影进行特征提取，得到第二类高维局部特征； 应用细分类器的全局特征学习层对第二类高维局部特征进行补充学习，得到第二类局部特征和第二类全局特征的交互信息； 应用细分类器的细粒度分类层对第二类局部特征和第二类全局特征的交互信息进行分类，得到第二类分类信息； 应用评分模块对第二类分类信息进行赋值评分，得到最终评分。

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广东工业大学，其通讯地址为：510006 广东省广州市番禺区大学城外环西路100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”。