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！

龙图腾网获悉四川大学申请的专利基于深度模糊卷积神经网络模型实现的图像分类方法及相关装置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：CN119942230B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510151165.7，技术领域涉及：G06V10/764；该发明授权基于深度模糊卷积神经网络模型实现的图像分类方法及相关装置是由赵涛;赵建建设计研发完成，并于2025-02-11向国家知识产权局提交的专利申请。

本基于深度模糊卷积神经网络模型实现的图像分类方法及相关装置在说明书摘要公布了：本发明提供了一种基于深度模糊卷积神经网络模型实现的图像分类方法及相关装置，涉及图像处理领域。其中，深度模糊卷积神经网络模型包括特征提取网络、特征融合网络以及分类网络。在获取原始图像之后，利用特征提取网络对原始图像进行特征提取，得到特征层次依次递增的多张模糊特征图以及深度卷积特征图；利用特征融合网络对多个模糊特征图进行特征融合处理，得到综合模糊特征序列；利用分类网络将深度卷积特征图转换为深度卷积特征序列后与综合模糊特征序列进行不同空间下特征的深度交互，得到分类结果，分类结果表征原始图像所属的类别。本发明实现了多尺度的模糊特征提取，能够捕捉到图像中的复杂细节，提高了图像分类精度，鲁棒性较强。

本发明授权基于深度模糊卷积神经网络模型实现的图像分类方法及相关装置在权利要求书中公布了：1.一种基于深度模糊卷积神经网络模型实现的图像分类方法，其特征在于，所述深度模糊卷积神经网络模型包括特征提取网络、特征融合网络以及分类网络；所述方法包括： 获取原始图像； 将所述原始图像输入所述特征提取网络，利用所述特征提取网络对所述原始图像进行特征提取，得到特征层次依次递增的多张模糊特征图以及深度卷积特征图； 利用所述特征融合网络对所述多张模糊特征图进行特征融合处理，得到综合模糊特征序列； 利用所述分类网络对所述综合模糊特征序列与所述深度卷积特征图进行不同空间下特征的深度交互，得到分类结果，所述分类结果表征所述原始图像中的目标对象所属的类别； 其中，所述特征提取网络包括初始卷积块和K个特征提取块；所述利用所述特征提取网络对所述原始图像进行特征提取，得到特征层次依次递增的多张模糊特征图以及深度卷积特征图的步骤，包括： 将所述原始图像输入所述初始卷积块进行特征提取，得到初始特征图； 将所述初始特征图输入第一个特征提取块进行特征提取，得到第一级模糊特征图和第一级重构特征图； 将第i-1级重构特征图输入第i个特征提取块进行特征提取，得到第i级模糊特征图和第i级重构特征图；其中，；第K级重构特征图为所述深度卷积特征图； 其中，所述多张模糊特征图包括第一级模糊特征图至第K级模糊特征图；所述特征融合网络包括K个模糊变换单元、K个融合单元以及融合器；所述利用所述特征融合网络对所述多张模糊特征图进行特征融合处理，得到综合模糊特征序列的步骤，包括： 利用第k个模糊变换单元，基于学习到的第k级线性变换矩阵、第k级标签向量和第k级位置向量，将第k级模糊特征图转换为第k级模糊特征序列； 将所述第k级模糊特征序列输入第k个融合单元，得到第k级融合序列；其中，k； 将第一级融合序列至第K级融合序列进行相加，得到叠加模糊特征序列； 将所述叠加模糊特征序列输入所述融合器，得到所述综合模糊特征序列； 其中，所述分类网络包括深度变换单元、交叉层、两个注意力单元、两个MLP头和分类层；所述利用所述分类网络对所述综合模糊特征序列与所述深度卷积特征图进行不同空间下特征的深度交互，得到分类结果的步骤，包括： 利用所述深度变换单元，基于学习到的深度标签向量、深度线性变换矩阵和深度位置向量，将所述深度卷积特征图转换为深度卷积特征序列； 利用所述交叉层，将所述深度卷积特征序列中的深度标签序列和深度特征块序列与所述综合模糊特征序列中的模糊标签序列和模糊特征块序列进行交叉拼接处理，得到两个原始交叉特征序列； 对所述两个原始交叉特征序列均进行归一化处理，得到第一交叉特征序列和第二交叉特征序列；所述第一交叉特征序列包括归一化后的深度标签序列和归一化后的模糊特征块序列；所述第二交叉特征序列包括归一化后的模糊标签序列和归一化后的深度特征块序列； 利用两个所述注意力单元，分别对所述第一交叉特征序列和所述第二交叉特征序列进行处理，得到第一输出序列和第二输出序列； 将所述第一输出序列与所述深度标签序列相加后进行归一化处理，得到第一归一化序列，并将所述第二输出序列与所述模糊标签序列相加后进行归一化处理，得到第二归一化序列； 利用两个所述MLP头分别对所述第一归一化序列和所述第二归一化序列进行处理，得到第一输出值和第二输出值； 将所述第一输出值和所述第二输出值输入分类层进行处理，得到所述分类结果。

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四川大学，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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”。