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！

龙图腾网获悉合肥工业大学申请的专利基于空间金字塔池化的多尺度GCNN网络模型构建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：CN119378602B 。

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：202411386316.9，技术领域涉及：G06N3/045；该发明授权基于空间金字塔池化的多尺度GCNN网络模型构建方法是由赵仲秋;董学成;邵云峰;韦正世;周海设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本基于空间金字塔池化的多尺度GCNN网络模型构建方法在说明书摘要公布了：本发明公开了基于空间金字塔池化的多尺度GCNN网络模型构建方法，涉及可增长的卷积神经网络GCNN相关算法，解决了现有方法尺度识别能力有限、网络模型设计复杂和训练困难的技术问题；包括：获取CIFAR‑100数据集并预处理图像。在GCNN模型中采用多尺度输入策略，结合卷积层和空间金字塔池化层进行特征提取，构建可捕捉不同尺度和层次特征的网络结构。选用交叉熵损失函数评估分类差异，用Adam优化器进行参数更新，通过反向传播算法迭代模型权重以进行多尺度特征学习和优化。根据评价指标对GCNN网络模型进行评估和优化。本发明能够减少设计模型的复杂性，增强对尺度变化的识别能力，提高模型的准确率。

本发明授权基于空间金字塔池化的多尺度GCNN网络模型构建方法在权利要求书中公布了：1.基于空间金字塔池化的多尺度GCNN网络模型构建方法，其特征在于，包括： 步骤一：数据预处理；获取CIFAR-100数据集，对CIFAR-100数据集中的图像进行预处理，其中，所述预处理包括：图像缩放、标准化和数据增强； 步骤二：网络架构设计；在GCNN模型中，采用多尺度输入策略，结合卷积层和空间金字塔池化层，对预处理后CIFAR-100数据集的图像进行特征提取，构建捕捉不同尺度和层次特征的网络结构； 步骤三：模型训练；选用交叉熵损失函数评估分类差异，并运用Adam优化器进行参数更新，通过反向传播算法迭代模型权重，对GCNN网络模型进行多尺度特征学习和优化； 步骤四：模型评估与优化；根据评价指标对GCNN网络模型进行评估和优化，所述评价指标包括：准确率、精确率、召回率和F1分数； 所述图像缩放包括：当网络从输入层开始增长时，GCNN网络对输入图片进行尺度调整操作，设为缩放比例集合，，表示网络在输入层第次增长时，对输入图像进行尺度调整的缩放比例；当时，GCNN停止增长；设输入图像为，第一层尺度变换卷积层的输出和采样层的输出； 其中，表示步长为1、填充为1的卷积核，表示卷积操作，表示偏置，表示下采样函数，表示采样层的大小，表示ReLu激活函数； 第二层尺度变换卷积层的输出和采样层的输出： ； 所述结合卷积层和空间金字塔池化层，对预处理后CIFAR-100数据集的图像进行特征提取，包括：使用空间金字塔池化层SPP处理不同尺寸图像，设SPP层里第二个层级的空间块的个数为，最后一层卷积层的输出的大小为，则第二个层级的采样窗口大小为，步长为，和分别代表上取整和下取整操作，即将原来GCNN第二个采样层固定大小的窗口改成了自适应的窗口大小，窗口大小与输入图像成比例；假设SPP层包含个池化层级，每个层级的空间块个数为，则整个SPP层的输出为维，其中，表示最后一层卷积层的滤波器的个数，通过自适应池化和多级空间池化，将不同尺度的输入图像转换为固定长度的特征向量。

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合肥工业大学，其通讯地址为：230000 安徽省合肥市屯溪路193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。