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！

龙图腾网恭喜南京邮电大学申请的专利一种基于深度学习的细粒度划分星系去噪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：CN116805374B 。

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：202310305275.5，技术领域涉及：G06V10/764；该发明授权一种基于深度学习的细粒度划分星系去噪图像分类方法是由亓晋;陈梦伟;许斌;孙雁飞;郭宇锋;董振江设计研发完成，并于2023-03-24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细粒度划分星系去噪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，公开了一种基于深度学习的细粒度划分星系去噪图像分类方法，使用建模能力强的transformer作为骨干网络，构建星系分类模型；为减少计算量，利用动态细粒度划分模块将注意力集中于前景区域，减少背景无效区域带来的冗余计算，同时考虑到原始图像附加的噪声，对星系图像进行去噪以提高分类精度，并且通过transformer计算全局信息的q和局部信息的k和v，完成信息之间的交互，从而实现基于transformer的细粒度划分星系去噪图像分类。本发明有效提高了分类精度，拓宽了星系图像分类在实际天文应用场景的范围，使得构建的星系分类模型更具有鲁棒性。

本发明授权一种基于深度学习的细粒度划分星系去噪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细粒度划分星系去噪图像分类方法，其特征在于，所述方法包括：步骤1、根据Galaxy-zoo数据集，随机选取90％的星系图像作为训练集，其余10％作为测试集，并且生成训练集和验证集CSV文件；步骤2、为每幅图像添加高斯噪声，基于NAFNet模型进行去噪，得到去噪后的星系图像；步骤3、利用transform图像交换处理方法对训练图像和验证图像进行重塑，并且在训练图像中重塑出对应局部信息和全局信息的图像；步骤4、将对应全局信息的图像先通过非重叠窗口划分为H×H大小的斑块，再通过动态细粒度划分方法将每个H×H大小的斑块划分为更小的斑块，然后将最终划分后的斑块池化得到稀疏查询向量q；步骤5、根据对应局部信息的图像计算其键向量k和值向量v；步骤6、将来自不同图像的稀疏查询向量q、键向量k和值向量v交叉送入transformer中进行训练，得到每个图像的图像特征；步骤7、将图像特征送入transformer模型的分类层得到预测类别分布；步骤8、使用交叉熵作为损失函数，计算出transformer模型损失以完成训练；步骤9、将步骤7中得到的预测类别分布，通过torch.max函数模型预测类别，以完成星系去噪图像分类。

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南京邮电大学，其通讯地址为：224000 江苏省盐城市盐南高新区大数据产业园创新大厦南楼15层；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”。