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！

龙图腾网获悉数据空间研究院申请的专利一种基于空间-上下文的多分支图像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：CN117315374B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202311510661.4，技术领域涉及：G06V10/764；该发明授权一种基于空间-上下文的多分支图像分类方法是由徐学彬;马亮;尹树年设计研发完成，并于2023-11-14向国家知识产权局提交的专利申请。

本一种基于空间-上下文的多分支图像分类方法在说明书摘要公布了：本发明属于图像处理技术领域，尤其是一种基于空间‑上下文的多分支图像分类方法。本发明包括数据预处理、数据集划分、模型训练、模型测试和模型效果验证。本发明采用具有丰富空间信息的空间路径和快速下采样的上下文路径协同作用，在速度和分类性能上取得正确的平衡，同时实现高精度和实时性。

本发明授权一种基于空间-上下文的多分支图像分类方法在权利要求书中公布了：1.一种基于空间-上下文的多分支图像分类方法，其特征在于，具体包括以下步骤： S1、数据预处理：对输入数据进行预处理操作； S2、数据集划分：将预处理的数据按比例划分为训练集、验证集和测试集； S3、模型训练：采用划分好的训练集对整个多分支图像分类模型进行训练直至损失达到收敛；给定输入图像X，通过空间路径和上下文路径分别提取特征并进行特征融合； S4、模型测试：采用划分好的测试集和训练权重对分类模型进行测试，输出结果； S5、模型效果验证：对输出结果计算性能评价指标，若性能好则训练结束，反之修改模型参数重新训练； 步骤S3中，所述上下文路径中先利用ResNet34模型提取输入图像的深度特征，再利用全局上下文模块根据深度特征获得上下文特征； 所述空间路径共享ResNet34模型的前3层参数；所述空间路径提取的输出特征公式为： 其中，为空间路径提取的特征；为ResNet34第三层特征；X表示输入图像； 所述空间路径包括使网络能够提取具有空间位置识别的关键特征的空间注意力模块；所述上下文路径包括捕获通道级依赖和不同特征通道之间的重要特征相关性的通道注意力模块； 步骤S3中，特征融合后的特征经过深度卷积和逐点卷积；所述深度卷积的特征公式和逐点卷积的特征公式分别为： 其中，i,j代表输出特征图的空间位置；表示深度卷积的特征；s代表通道索引；m,n表示卷积核的空间位置；代表卷积核的权重；为逐点卷积的特征；代表逐点卷积前的通道索引；代表逐点卷积后的通道索引；代表卷积核的权重；为最终融合的特征。

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数据空间研究院，其通讯地址为：231200 安徽省合肥市高新区柏堰科技园创新大道288号工投高新智谷B区；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。