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！

龙图腾网恭喜南京理工大学申请的专利基于轻量级Non-Local的图像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：CN114492659B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202210131553.5，技术领域涉及：G06V10/764；该发明授权基于轻量级Non-Local的图像分类方法及系统是由孙运莲;庄程设计研发完成，并于2022-02-14向国家知识产权局提交的专利申请。

本基于轻量级Non-Local的图像分类方法及系统在说明书摘要公布了：本发明涉及基于轻量级Non‑Local的图像分类方法及系统，属于图像分类领域。利用轻量级网络的分组隐式聚类特点，对瓶颈层后的抽象特征进行分组，简化了原始Non‑Local的长连接关系获取机制，从而降低了计算复杂度。利用一元长连接关系和点对长连接关系对特征进行提取，在降低计算复杂度的同时保留了Non‑Local原本带来的长连接性能，实现了计算复杂度和Non‑Local长连接的兼容。利用提取的特征对图像的类型进行预测，并计算预测的图像类型和实际的图像类型的交叉熵损失，根据交叉熵损失对模型进行训练，得到训练好的模型，并利用训练好的模型进行图像分类，既能提高图像分类准确性又能避免计算量大幅度提升。

本发明授权基于轻量级Non-Local的图像分类方法及系统在权利要求书中公布了：1.一种基于轻量级Non-Local的图像分类方法，其特征在于，所述方法包括： 将样本图像输入轻量级网络，在所述轻量级网络的每一个瓶颈层后得到抽象特征；所述轻量级网络包括ShufflenetV2； 将所述抽象特征沿着通道维度划分为G个组； 针对每一组的所述抽象特征，通过卷积方式获得一个空间权重，所述空间权重为针对当前组的全局空间注意力信息； 利用当前组的所述全局空间注意力信息对该组的像素点进行加权幅度转换，得到当前组的一元长连接特征； 将当前组的所述一元长连接特征，利用一个轻量卷积得到一个语义聚集权重，根据所述语义聚集权重针对当前组进行全局加权池化，得到当前组的语义信息； 将当前组的所述一元长连接特征，利用一个轻量卷积得到一个当前组的语义分配权重； 结合当前组的所述语义信息和当前组的所述语义分配权重，得到当前组的点对长连接特征； 将当前组的所述一元长连接特征和当前组的所述点对长连接特征融合，得到当前组的完整特征，所述样本图像的完整特征即为G个组的完整特征的总和； 利用所述样本图像的完整特征对所述样本图像的类型进行预测，并计算预测的样本图像类型和实际的样本图像类型的交叉熵损失，根据所述交叉熵损失对轻量级网络模型进行训练，得到训练好的模型； 利用所述训练好的模型对图像进行分类，得到图像所属的语义类别。

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理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200号南京理工大学；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”。