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！

龙图腾网获悉齐鲁工业大学(山东省科学院)申请的专利基于改进神经原型树的可解释细粒度图像分类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：CN116342928B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202310074224.6，技术领域涉及：G06V10/764；该发明授权基于改进神经原型树的可解释细粒度图像分类方法及系统是由刘嵩;崔金安;巩京昊;王光晨设计研发完成，并于2023-01-18向国家知识产权局提交的专利申请。

本基于改进神经原型树的可解释细粒度图像分类方法及系统在说明书摘要公布了：本发明属于图像处理技术领域，提供了一种基于改进神经原型树的可解释细粒度图像分类方法及系统，本发明中设计了一种包括多粒度特征提取层、原型层和软神经二叉决策树层的可解释细粒度图像分类模型；待分类图像通过所述多粒度特征提取层获得对图像的特征表示，生成深度特征图；所述原型层依据深度特征图，计算原型和补丁之间的相似性，找到离原型最近的补丁；以离原型最近的潜在补丁替换每个原型，并进行可视化显示，以此作为证据，所述软神经二叉决策树层训练原型，并使用背景原型去除机制剔除错误的原型，通过筛选出的原型做出原型路径决策，得到图像分类结果；解决了传统模型中对于图片深度特征提取不够完备、不能充分进行深度特征挖掘以及容易造成分类错误的问题。

本发明授权基于改进神经原型树的可解释细粒度图像分类方法及系统在权利要求书中公布了：1.基于改进神经原型树的可解释细粒度图像分类方法，其特征在于，包括： 获取待分类图像； 依据获取的待分类图像，以及预设的可解释细粒度图像分类模型，得到分类结果；引入Inception-v4网络和Inception-ResNet-v2网络获得图像的多粒度特征表示，特征被不同大小的卷积核并行卷积和池化操作；利用Res2Net网络实现在细粒度上产生多个感受野的组合； 其中，所述可解释细粒度图像分类模型包括多粒度特征提取层、原型层和软神经二叉决策树层；待分类图像通过所述多粒度特征提取层获得对图像的特征表示，生成深度特征图；所述原型层依据深度特征图，计算原型和补丁之间的相似性，找到离原型最近的补丁；以离原型最近的潜在补丁替换每个原型，并进行可视化显示，以此作为证据，所述软神经二叉决策树层训练原型，并使用背景原型去除机制剔除错误的原型，通过筛选出的原型做出原型路径决策，得到图像分类结果； 将图像分割成同原型层补丁具有相同形状的补丁，使用主色判断法选择背景补丁，选择补丁中排名前三的颜色进行相似性比较；如果前三种颜色都相似，图像补丁看作是背景补丁；对背景补丁使用颜色特征作为聚类向量进行分层聚类；选取聚类的代表补丁构建背景补丁数据集； 软神经二叉决策树层包括一组内部节点、一组叶节点和一组边节点；内部节点表示原型，叶节点表示预测类，边表示从当前层原型到子节点原型的路由概率；利用每个原型的潜在补丁和该原型进行比较计算出路由通过子节点的概率，通过遍历所有边使得所有节点参与，获得预测类别概率；在软神经二叉决策树训练时，当每个内部节点被更新时，计算更新后的原型对应的图像补丁与背景补丁数据集里的背景补丁之间的相似度分数，如果更新后的原型的图像补丁与背景补丁数据集里的一个背景补丁相似，则需要重新更新内部节点。

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齐鲁工业大学(山东省科学院)，其通讯地址为：250353 山东省济南市长清区大学路3501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。