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！

龙图腾网获悉华中科技大学申请的专利一种用于同一电子化签名不同字迹的细粒度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：CN116994265B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202310986223.9，技术领域涉及：G06V30/19；该发明授权一种用于同一电子化签名不同字迹的细粒度分类方法及系统是由尤新革;徐端全;辛志勐;吴天序;彭勤牧设计研发完成，并于2023-08-07向国家知识产权局提交的专利申请。

本一种用于同一电子化签名不同字迹的细粒度分类方法及系统在说明书摘要公布了：本发明属于计算机视觉技术领域，公开了一种用于同一电子化签名不同字迹的细粒度分类方法及系统，主要用于同一名字，不同签名方式的分类，例如区分自然手写签名、套模签名以及机械臂临摹签名等。通过ResNet101特征提取器提取输入电子化签名图像的字迹特征图，并输入到可扩展注意力电子化签名细粒度特征的模块中。该模块可以协助模型判别一张特征图中当前字迹细粒度特征与邻近字迹特征的关系，有助于模型区分同一种签名不同字迹的子类类型。本发明提出的电子化签名字迹的细粒度分类方法优于其他最新的方法，使分类模型能够有效对不同判别性特征进行聚类，从而实现电子化签名不同字迹的高精准的分类。

本发明授权一种用于同一电子化签名不同字迹的细粒度分类方法及系统在权利要求书中公布了：1.一种用于同一电子化签名不同字迹的细粒度分类方法，其特征在于，包括以下步骤： S1：通过ResNet101特征提取器提取输入电子化签名图像的粗粒度特征；其中，ResNet101一共包含五个阶段的电子化签名的特征输出； S2：将S1后三个阶段的电子化签名特征图分割为大小相等的图像块，并给每个图像块赋予位置编号，用于确定每个图像块对应原始特征图的位置； S3：将S2中带有位置编号的三个阶段的特征图，分别输入到可扩展注意力机制中；其中，可扩展注意力机制会根据当前的小块特征图向四周扩展，并根据相似度计算判定扩展的图像块与当前块的相关性； S4：将S3可扩展注意力的高阶输出通过上采样与相邻的前一可扩展注意层进行融合，作为每个阶段可扩展注意力的最终输出，然后将三个阶段的输出拼接到一起输入到通用分类网络模型中； S5：通过可扩展注意力机制得到具有判别性的电子化签名细粒度特征，通用分类器根据上述细粒度特征区别不同字迹的电子化签名； 可扩展注意力模块根据当前的字迹特征，不停地向外扩展学习具有共存关系的特征，有效定位出套模、机械臂临摹字迹和自然手写字迹存在的判别性差异； 可扩展注意力机制借鉴自注意力机制思想，在可扩展注意力机制中，根据当前小块不断向外延伸，并找到最相关的若干个小块，这若干个小块继续向外扩展，直到遍历完整张特征图； 记电子化签名特征图x中一个小块为；通过可扩展层中的偏移权值计算，得到与 相邻的N个可扩展元素，N个元素属于x中的其他像素点，后通过矩阵的相似度计算，分别得 到与N个元素的相关性；具体为，记为线性层，用于计算的权值；设和分别 表示可扩展的线性层，x分别输入上述两个可扩展的线性层，得到的key可扩展权值和 value可扩展权值；的权值通过点积运算学习得到与key可扩展权值的相关性；最后使用 softmax对相似度评分进行归一化，以聚合value可扩展点；因此，的可扩展注意力计算 可以表示为： 为了保证模型的泛化能力，每个像素点不止进行一次扩展，即每个像素点进行若干次偏移计算并计算其相关性，将最终得到的若干个注意力结果聚合在一起组成新的细粒度电子化签名特征图像矩阵；假定每个像素点进行M次共存特征扩展，则输入特征图x的多次可扩展注意力可表示为： 其中，表示权重向量。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。