申请/专利权人：西安理工大学

申请日：2024-01-25

公开（公告）日：2024-04-26

公开（公告）号：CN117934947A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/82;G06N3/0455

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开了基于离散小波域Transformer的图像分类方法，首先通过离散小波变换将图像分解成4个小波子带；然后将4个小波子带分块、展开为一个个序列，输入到4个独立的TransformerBlock中；之后，再将4个TransformerBlock输出的4个矩阵级联成一个语义矩阵，再将该语义矩阵输入到任意一个TransformerBlock中；最后，多层感知分类头根据TransformerBlock输出的类别编码序列进行分类。本发明方法解决了现有图形分类方法精度低的问题。

主权项：1.基于离散小波域Transformer的图像分类方法，其特征在于，具体按照以下步骤实施：步骤1，选取n张图像作为训练样本集合P，然后对训练样本集合P中图像进行一级离散小波变换，获得4个小波子带；步骤2，将步骤1中获得的每个小波子带进行分块、线性投影和位置编码，得到每个小波子带的携有位置信息的语义矩阵；步骤3，将步骤2获得的每个小波子带的携有位置信息的语义矩阵L输入到各自的TransformerBlock中，得到每个小波子带的自注意力语义矩阵；步骤4，将步骤3获得的4个小波子带的自注意力语义矩阵级联成一个语义矩阵M，再对该语义矩阵M进行位置编码和添加类别编码序列，得到整幅图像的带有位置信息和类别编码序列的语义矩阵N；步骤5，将步骤4获得的语义矩阵N输入到任意一个TransformerBlock中，得到整幅图像的自注意力语义矩阵和类别编码序列，根据类别编码序列对图像分类。

全文数据：

权利要求：

百度查询： 西安理工大学 基于离散小波域Transformer的图像分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD