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！

龙图腾网获悉广东海洋大学申请的专利一种基于CA-SwinT的层级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：CN119380108B 。

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：202411571481.1，技术领域涉及：G06V10/764；该发明授权一种基于CA-SwinT的层级图像分类方法及系统是由苏静;朱佳怡;廖艳;梁健民;李用江;吴沂愉设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本一种基于CA-SwinT的层级图像分类方法及系统在说明书摘要公布了：本发明公开了一种基于CA‑SwinT的层级图像分类方法及系统，属于人工智能技术领域。该方法包括：S1、获取原始图像，对所述原始图像进行预处理；S2、通过SwinT模块对图像进行特征提取；S3、利用双交叉关注机制，将提取的图像特征和分类标签信息进行充分融合，构建图像与层级标签间的精细映射；S4、根据S3的精细映射，通过标签生成模块生成相应的标签，并更新分类标签信息；S2包括：切片分块处理、线性嵌入处理、两级Swin模块处理、分块合并处理、两级Swin处理和线性嵌入处理。本发明可以从不同维度空间有效提取图像的丰富特征信息，更高效地识别图像的多层级标签。

本发明授权一种基于CA-SwinT的层级图像分类方法及系统在权利要求书中公布了：1.一种基于CA-SwinT的层级图像分类方法，其特征在于，所述方法包括： S1、获取原始图像，对所述原始图像进行预处理； S2、通过SwinT模块对图像进行特征提取； S3、利用双交叉关注机制，将提取的图像特征和分类标签信息进行充分融合，构建图像与层级标签间的精细映射； S4、根据S3的精细映射，通过标签生成模块生成相应的标签，并更新分类标签信息； 步骤S2中通过SwinT模块对图像进行特征提取的步骤包括： S201、切片分块处理：将图像划分为一系列小的分块； S202、线性嵌入处理：将每个分块展平并通过一个全连接的线性嵌入层，将每个分块的像素值转换成一个高维的特征向量； S203、两级Swin模块处理：将S202的处理结果连续输入两级Swin模块中进行特征提取； S204、分块合并处理：通过对图像进行下采样的方式实现图像的高和宽减半、通道翻倍； S205、两级Swin处理：将S204的处理结果连续输入两级Swin模块中进行特征提取； S206、线性嵌入处理：对S205的处理结果进行线性变换； 步骤S203和步骤S205中每级Swin模块的处理过程均包括依次进行的： 层归一化处理：实现数据的标准化； 窗口多头自注意力处理：将相应输入图像的所有的像素划分为多个窗口，在各窗口内部计算每个像素与其他像素的相关性，从而捕捉局部特征； 残差连接处理，并对处理结果进行层归一化处理；所述残差连接处理的内容包括将输入特征直接加到前一步骤的自注意力处理结果上，形成残差连接； 多层感知器处理：通过全连接层和非线性激活函数对特征进行复杂变换和组合，提升模型的特征表达能力； 移动窗口多头自注意力处理：将相应输入图像的所有的像素划分为多个窗口，在划分窗口时将划分的窗口同时向右和向下偏移若干个像素，在各窗口内部计算每个像素与其他像素的相关性，从而实现不同窗口间的信息交互； 残差连接处理，并对处理结果进行层归一化处理；所述残差连接处理的内容包括将输入特征直接加到前一步骤的自注意力处理结果上，形成残差连接； 多层感知器处理：通过全连接层和非线性激活函数对特征进行复杂变换和组合，提升模型的特征表达能力； 步骤S3中利用双交叉关注机制，将提取的图像特征和标签信息进行充分融合，构建图像与层级标签间的精细映射的步骤包括： S301、将SwinT模块提取的每个分块的特征作为键和值，将当前的分类标签信息作为查询，进行多头关注机制处理，将处理结果合并再进行层归一化处理，得到第一层交叉关注机制输出结果； S302、将SwinT模块提取的每个分块的特征作为键和值，将S301的结果作为查询，进行多头关注机制处理，将处理结果合并再进行层归一化处理，得到第二层交叉关注机制输出结果； 通过标签生成模块生成相应的标签的内容包括： S401、多层感知器处理：通过两个全连接层对输入数据进行处理，提升特征表达能力； S402、分类处理：通过softmax函数计算置信度，从而实现分类。

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海洋大学，其通讯地址为：524000 广东省湛江市麻章区海大路1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。