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！

龙图腾网恭喜北华航天工业学院申请的专利一种基于深度学习的多标签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：CN118447324B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202410617053.1，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的多标签图像分类方法是由张艳;张博;朱杰;罗鑫;柴翰骋;刘津辰设计研发完成，并于2024-05-17向国家知识产权局提交的专利申请。

本一种基于深度学习的多标签图像分类方法在说明书摘要公布了：本发明提供了一种基于深度学习的多标签图像分类方法，包括：获取具有多个标签的待分类图像；将所述待分类图像输入至训练好的多标签图像分类模型中，得到分类结果；所述多标签图像分类模型包括特征提取网络和与所述特征提取网络连接的Transformer结构；所述Transformer结构有编码器和解码器组成；所述编码器用于提取特征并整合输出维度；所述解码器用于将输入的标签类别与相应特征做交叉计算。本发明能够提升多目标图像分类算法的准确率。

本发明授权一种基于深度学习的多标签图像分类方法在权利要求书中公布了：1.一种基于深度学习的多标签图像分类方法，其特征在于，包括：获取具有多个标签的待分类图像；将所述待分类图像输入至训练好的多标签图像分类模型中，得到分类结果；所述多标签图像分类模型包括特征提取网络和与所述特征提取网络连接的Transformer结构；所述Transformer结构有编码器和解码器组成；所述编码器用于提取特征并整合输出维度；所述解码器用于将输入的标签类别与相应特征做交叉计算；所述特征提取网络的特征提取步骤包括：初始化所述特征提取网络的结构和参数；所述特征提取网络为改进的Resnet-101模型；所述改进的Resnet-101模型将三叉戟模块作为一个残差块，以所述三叉戟模块中三个分支的计算结果与所述三叉戟模块的输入信息进行相加融合，得到的结果作为三叉戟模块的输出信息；利用五个卷积层对所述待分类图像进行计算，得到所述待分类图像的全局特征；其中，第五个所述卷积层的瓶颈式的卷积块替换为3个并列的膨胀卷积结构，膨胀速率分别为1、2、3；3个并列的膨胀卷积结构的卷积核为： 所述多标签图像分类模型的损失函数为非对称损失函数；所述非对称损失函数为： 其中，L为非对称损失；N为输入图像的数量；Li为第i个输入图像的非对称损失；yi为输入图像的真实标签；表示模型对输入图像计算出的预测值；γ+为正样本的修正程度；γ-为负样本的修正程度。

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北华航天工业学院，其通讯地址为：065000 河北省廊坊市广阳区爱民东道133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”。