買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉燕山大學申請的專利一種基于概率圖和ViT模型的圖片分類方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115953617B 。

龍圖騰網通過國家知識產權局官網在2025-08-08發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211555848.1，技術領域涉及：G06V10/764；該發明授權一種基于概率圖和ViT模型的圖片分類方法是由宮繼兵;彭吉全;林宇庭;趙金燁;叢方鵬設計研發完成，并于2022-12-06向國家知識產權局提交的專利申請。

本一種基于概率圖和ViT模型的圖片分類方法在說明書摘要公布了：本發明涉及一種基于概率圖和ViT模型的圖片分類方法，屬于計算機視覺圖片分類技術領域，將多頭注意力機制從概率論的角度進行建模，將多頭注意力中的attentionvalue看作隱變量，利用概率圖模型的Explaining?awayEffects以及Transformer的層級結構，將attentionlogits層層傳遞，并將相鄰層的值進行融合，促進不同頭部之間的交互。本發明針對普通VisionTransformer模型中多頭注意力機制頭部參數的冗余問題，將多頭注意力機制建模為概率圖模型，將注意力值看作隱變量，促進不同注意力頭部之間的交互。

本發明授權一種基于概率圖和ViT模型的圖片分類方法在權利要求書中公布了：1.一種基于概率圖和ViT模型的圖片分類方法，其特征在于，包括以下步驟： S1、將輸入模型的圖片進行分塊，然后將每個圖片塊展平成一維向量，最后通過線性變換生成patchembedding； S2、給每個patchembedding加上位置編碼，補充位置信息； S3、增加一個用于分類的Token，學習其他圖片patch的整體信息； S4、基于頭部交互的TransformerBlock，把attentionvalues看作隱變量，利用概率圖模型中的Explaining-awayEffects以及Transformer的層級結構，將attentionlogits層層傳遞，并將相鄰層的值進行融合，促進不同頭部之間的交互；S4的具體步驟為： S41、attentionhead序列建模，將attentionvalue看作隱變量， pY∣X＝∫ApY∣A,XpA∣XdA 其中，Y為圖片label，X為輸入照片，A為中間層Attentionvalues，pA∣X是聯合先驗分布； S42、Transformer層次化建模，利用transformer的層級結構，將此過程可表示為： 其中，Aj表示第j層的attention分布，Aj的計算需要依賴Aj-1的遞歸結構，具體來講，Aj的計算通式如下： S43、相鄰層的attention融合，在Transformer的層級Block的多頭注意力計算模塊添加MLP，將各層之間的attentionvlaue進行融合交互，促進不同頭部的去冗余，將此過程可表示為： Aj＝softmaxzj+MLPzj,zj-1 其中，zj為第j層的attentionlogits，MLP是兩層全連接層，用于相鄰層注意力值得融合交互； S5、使用兩層全連接層，將分類Token輸入分類層，得到圖片的分類結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人燕山大學，其通訊地址為：066004 河北省秦皇島市海港區河北大街438號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。