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！

龙图腾网获悉浙大城市学院申请的专利一种基于类间混淆的食物图像层级构造和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：CN114926833B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202210547473.8，技术领域涉及：G06V20/68；该发明授权一种基于类间混淆的食物图像层级构造和分类方法是由明朝燕;肖翠萍设计研发完成，并于2022-05-18向国家知识产权局提交的专利申请。

本一种基于类间混淆的食物图像层级构造和分类方法在说明书摘要公布了：本发明涉及一种基于类间混淆的层级结构构造和层级分类方法，包括如下步骤：S1：获取食物图像数据集Food‑M，并训练M类平坦分类器，M＝M1；S2：根据Mk类平坦分类器获得食物各类别之间的发生分类混淆的难易程度，k∈[1,K]且k∈Z；将Mk个食物类别分成两大类，两大类具有的类别数目分别为其中且遍历探索得到最佳合并方式，使得Mk类平坦分类器具有最高的大类判别准确率；本发明突破现有层级分类方法在层级结构不明显的大规模分类场景下所具有的局限性，使用平坦分类做大类判别，遍历探索最佳类别合并方式。

本发明授权一种基于类间混淆的食物图像层级构造和分类方法在权利要求书中公布了：1.一种基于类间混淆的层级结构构造和层级分类方法，其特征在于：包括如下步骤： S1：获取食物图像数据集Food-M，并训练M类平坦分类器，M＝M1； S2：根据Mk类平坦分类器获得食物各类别之间的发生分类混淆的难易程度，k∈[1,K]且k∈Z；将Mk个食物类别分成两大类，两大类具有的类别数目分别为其中且遍历探索得到最佳合并方式，使得Mk类平坦分类器具有最高的大类判别准确率； S3：为与两个大类分别训练平坦分类器； S4：令重复步骤S2至S3，直到满足 S5：为食物图像数据集Food-M逐层级共设置了K个大类判别器，最终训练得到K个类平坦分类器和一个类平坦分类器，还训练得到K个大类判别器，分别由类平坦分类器充当，其中k∈[1,K]且k∈Z； 在步骤S1中，将数据集Food-M按6：1：3划分训练集、验证集和测试集，不考虑类间层级关系，训练一个M类平坦分类器； 在步骤S2中， S2-1：使用Mk类平坦分类器在验证集上做推理，将验证集中每一张图片的真实标签与Mk类平坦分类器给出的预测类别保存到文本文件predval.txt；并输出Mk类平坦分类器预测的类间混淆，并按照混淆程度，降序输出混淆类别对，保存到log.txt中； S2-2：选取步骤S2-1得到的log.txt中排序靠前的若干混淆类别对，直到生成初始类别合并的较大类将剩余个类别全部归类到较小类，得到初始的类别合并方式； S2-3；以步骤S2-2获得的初始的类别合并方式为起始状态，迭代遍历探索最佳类别合并方式；迭代方式分两步，先交换遍历，再加一，两步迭代交替进行；在不改变较大类的类别数量的前提下，较大类与较小类交换一个类别，遍历所有种交换之后的合并方式，并结合步骤S2-1保存的predval.txt文件，计算每种合并方式下大类判别准确率，并保存最佳合并方式；在结束交换遍历得到的最佳合并方式的基础上，从中任取一个类别放入中；交换遍历与加一交替进行，直到等于且最后一个步骤为迭代方式中的交换遍历； S2-4；Mk类平坦分类器做层级判断将Mk类划分为两个大类，两大类的数目分别为和和的选取有很大的灵活性；要使得大类判别准确率高，则将设置得越大，相应的越小；要提高推理的效率，则将设置得越小，相应的越大；和的选取在大类判别准确率和推理的效率二者之间权衡；在选取时坚持两个原则：accaccthreshold；为人为设置的较大类别所包含的类别数量的上界限值；acc为当前层级结构对应的大类判别准确率；accthreshold为人为设置的期望得到的大类判别准确率的下界限值； 根据可负荷的层级数量设置；在步骤S2-3中，交换遍历测大类判别准确率时，若满足accaccthreshold，则此时的即为若直到都不满足accaccthreshold，则

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浙大城市学院，其通讯地址为：310015 浙江省杭州市拱墅区湖州街51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”。

以上内容由龙图腾AI智能生成。