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！

龙图腾网获悉南昌师范学院申请的专利基于神经网络的图案纹理识别方法与装置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：CN121095663B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511230294.1，技术领域涉及：G06V10/764；该发明授权基于神经网络的图案纹理识别方法与装置是由杨璨设计研发完成，并于2025-08-29向国家知识产权局提交的专利申请。

本基于神经网络的图案纹理识别方法与装置在说明书摘要公布了：本发明提供一种基于神经网络的图案纹理识别方法与装置，涉及纹理识别技术领域，具体包括：构建纹理识别模型，采用不同尺寸卷积核提取输入图像的多尺度特征，对特征进行加权融合，生成动态融合后的特征图；使用通道注意力机制，提取全局通道信息生成通道注意力权重；利用空间注意力机制，通过特征图的平均池化和最大池化结合空间特征交互公式，提取空间信息生成空间注意力权重，融合通道与空间注意力权重对特征图进行加权；对优化后的特征图进行全局平均池化，生成全局特征向量，结合改进的正则化分类公式，生成最终分类结果，该方法通过多尺度特征提取、注意力机制融合与正则化分类实现了高效的图案纹理识别。

本发明授权基于神经网络的图案纹理识别方法与装置在权利要求书中公布了：1.一种基于神经网络的图案纹理识别方法，其特征在于，具体步骤包括： 步骤1：基于深度学习网络构建纹理识别模型，通过三种不同尺寸的卷积核提取输入图像的多尺度特征，生成不同尺度的特征图，对各尺度的特征图进行全局平均池化，并结合动态权重及非线性激活函数，生成自适应多尺度特征图； 步骤2：针对自适应多尺度特征图，利用通道注意力机制提取全局通道信息，通过全局平均池化和最大池化融合，结合非线性特征变换公式，生成通道注意力权重； 步骤3：利用空间注意力机制提取空间维度信息，通过特征图通道的平均池化和最大池化，结合空间特征交互公式，计算空间注意力权重，并根据通道注意力和空间注意力的权重，生成加权后的特征图； 步骤4：对经过注意力机制处理的特征图进行全局平均池化，生成全局特征向量，在分类过程中，引入正则化分类公式，在Softmax函数中加入对特征分布的约束项，并生成最终的分类结果； 步骤5：采集输入图像的像素个数，同时采集拍摄输入图像时的光照强度、拍摄角度，对像素个数、光照强度和拍摄角度进行无量纲化处理后，生成输入图像的质量评估指数，根据质量评估指数判断分类结果的可靠性； 使用多尺度卷积提取图像中不同尺度的纹理特征，同时融合局部和全局信息，具体为： 将输入图像输入至模型中，定义矩阵形式为：，表示输入图像是一个三维张量，表示该张量的每个元素都为实数值，其中，为图像的高度，为图像的宽度，为图像的通道数，，表示RGB通道； 采用三种不同大小的卷积核：、、，对输入图像进行卷积操作，分别提取不同尺度的特征，表达式如下： ,, 式中,表示形式的卷积核所对应的特征图，表示使用形式的卷积核进行卷积操作,； 利用动态加权融合公式，根据全局平均池化得到的特征分布信息，计算各尺度特征的权重，并对不同特征进行加权融合： 式中,表示经过动态加权融合后的多尺度特征图，表示卷积核尺度对应的自适应权重，定义如下： 式中，表示对特征图进行全局平均池化，提取全局上下文信息，表示尺度的可学习偏置参数，用于平衡不同尺度的重要性，初始值设置为零，为指数函数，用于增强权重的差异化，表示与卷积核尺度相关的可学习偏置参数； 对应用非线性激活函数ReLU： 式中，表示自适应多尺度特征图，为非线性激活函数ReLU，用于增加特征的非线性表达能力； 计算输入图像的质量评估指数，所依据的公式为： 式中，为质量评估指数，为像素个数,为最大像素参考值，为光照强度，为光照强度的参考阈值，为拍摄角度，范围在[0,180]。

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南昌师范学院，其通讯地址为：330032 江西省南昌市经济技术开发区瑞香路889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。