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！

龙图腾网恭喜中国石油大学(华东)申请的专利用于图像处理的双向自适应重加权神经网络的构建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：CN119903875B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202510378986.4，技术领域涉及：G06N3/045；该发明授权用于图像处理的双向自适应重加权神经网络的构建方法是由张晨腾;邓鸿宇;马振宇;刘宝弟;刘伟锋设计研发完成，并于2025-03-28向国家知识产权局提交的专利申请。

本用于图像处理的双向自适应重加权神经网络的构建方法在说明书摘要公布了：本发明公开用于图像处理的双向自适应重加权神经网络的构建方法，属于神经网络技术领域，用于图像分类，包括将待处理的图像输入卷积神经网络特征提取器得到图像特征，将图像特征输入双向自适应重加权神经网络，双向自适应重加权神经网络中图像特征分为两支，一支输入跨区域重加权模块得到第一输出，一支输入自适应多尺度全局到局部重加权模块中得到第二输出，结合注意力机制将两个输出缩减为固定大小的向量，通过全连接层得到图像处理结果。本发明能够很好地平衡全局和局部信息，无需依赖感兴趣区域ROI标注，也不需要校准超参数；将大规模信息整合起来评估小规模区域，并有效突出细节信息，从而提高分类效果。

本发明授权用于图像处理的双向自适应重加权神经网络的构建方法在权利要求书中公布了：1.用于图像处理的双向自适应重加权神经网络的构建方法，其特征在于，将待处理的图像输入卷积神经网络特征提取器得到图像特征，将输入双向自适应重加权神经网络，双向自适应重加权神经网络中分为两支，一支输入跨区域重加权模块得到输出，一支输入自适应多尺度全局到局部重加权模块中得到输出，结合注意力机制将和缩减为固定大小的向量，通过全连接层得到图像处理结果； 所述跨区域重加权模块包括区域注意力模块和跨区域注意力模块； 所述区域注意力模块将的维度压缩至512得到图像特征，将划分为64个块，每个块都使用二维选择性状态空间模型SS2D进行局部重新加权得到图像特征，将作为区域注意力模块的输出； SS2D包括： ； 式中，表示融合操作，表示二维选择性状态空间模型中的模块操作，、、、分别表示沿四个方向进行展平； 模块包括，模块的输入经过线性变换生成矩阵和时间步长参数，隐藏状态更新为： ； 式中，是自然常数，是模块的输入，是时刻隐藏状态； 输出为： ； 将所有时间步长的进行序列整理得到模块输出； 跨区域注意力模块将输入分为两支，一支结合可调参数进行矩阵乘法，然后再拆分为三个输入，进行权重计算： ； ； ； 式中，是单维切割的数量，是块的总边长，是第个块的边长，、、分别是三个输入对应输出的权重，表示第个键，表示键的总数，、是激活函数； 跨区域注意力模块的第二支和进行矩阵乘法后输入SS2D模块后得到输出，将、、进行矩阵乘法得到； 自适应多尺度全局到局部重加权模块将进行最大池化，然后将同时输入全局尺度模块、四分之一尺度模块、十六分之一尺度模块，并结合不同的尺度模块进行加权处理： ； 式中，，是尺度模块，包括全局尺度模块、四分之一尺度模块、十六分之一尺度模块，包括的加权的最终结果，包括的加权的最终结果，包括的加权的最终结果，表示权，表示加权的最终结果，表示逐元素乘法，包括将带有权重信息的的输出信息统一大小，然后分别进行嵌入操作，最后进行特征融合，得到； 对结合1×1卷积进行处理，将、、作为三个分支分别进行1×1卷积处理，将三个卷积处理结果中的两个进行矩阵加法，再将加法结果和第三个卷积处理结果进行矩阵加法，得到： ； 式中，是可调参数。

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中国石油大学(华东)，其通讯地址为：266590 山东省青岛市黄岛区长江西路66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”。