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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉廣東工業(yè)大學申請的專利一種基于注意力卷積網(wǎng)絡的畫作智能評分方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116310491B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310001739.3，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種基于注意力卷積網(wǎng)絡的畫作智能評分方法及系統(tǒng)是由鄭少龍;李珍妮;紀毅;蔡奕輝;韓明鈺設計研發(fā)完成，并于2023-01-03向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于注意力卷積網(wǎng)絡的畫作智能評分方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于注意力卷積網(wǎng)絡的畫作智能評分方法及系統(tǒng)，該方法包括：基于注意力卷積網(wǎng)絡構(gòu)建粗分類器和細分類器；基于粗、細分類器構(gòu)建智能評分框架；對收集的繪畫作品按照分數(shù)進行分類，得到輸入數(shù)據(jù)，將輸入數(shù)據(jù)集輸入到粗分類器中，再將粗分類器的輸出輸入到細分類器中，得到分類信息；對分類信息進行賦值評分，得到最終評分。該系統(tǒng)包括：數(shù)據(jù)集獲取模塊、網(wǎng)絡構(gòu)建模塊、框架構(gòu)建模塊和賦值評分模塊。通過使用本發(fā)明，能夠規(guī)避預訓練網(wǎng)絡導致的問題，對畫作進行客觀、準確和快速的評分。本發(fā)明作為一種基于注意力卷積網(wǎng)絡的畫作智能評分方法及系統(tǒng)，可廣泛應用于圖像智能評分領(lǐng)域。

本發(fā)明授權(quán)一種基于注意力卷積網(wǎng)絡的畫作智能評分方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于注意力卷積網(wǎng)絡的畫作智能評分方法，其特征在于，包括以下步驟： S1、對收集的繪畫作品按照等級進行分類，得到輸入數(shù)據(jù)集； S2、基于全局特征和局部特征構(gòu)建分類網(wǎng)絡，得到注意力卷積網(wǎng)絡；具體包括： 基于二維卷積神經(jīng)網(wǎng)絡構(gòu)建圖像嵌入層； 基于深度可分離卷積塊構(gòu)建局部特征提取層； 基于Reshape函數(shù)和多頭注意力機制模塊構(gòu)建全局特征學習層； 基于全局平均池化函數(shù)和非線性的激活函數(shù)構(gòu)建細粒度分類層； 將圖像嵌入層、局部特征提取層、全局特征學習層和細粒度分類層進行擬合，得到注意力卷積網(wǎng)絡； 所述深度可分離卷積塊由兩個1×1的逐點卷積和一個空間深度卷積構(gòu)成，其公式表示如下： 其中，Conv表示普通卷積，Y表示深度可分離卷積塊的輸出，DWconv表示可分離卷積，Bi表示各層的偏置量； 所述基于全局平均池化函數(shù)和非線性的激活函數(shù)構(gòu)建細粒度分類層這一步驟，其公式表示如下： 其中，pj表示第j個類別的概率，GHF表示局部特征和全局特征全局平均池化輸出，表示包含局部特征和全局特征的交互信息，d表示多頭注意力模塊頭的數(shù)目，i表示第i個深度可分離卷積塊，n表示深度可分離卷積塊的個數(shù)，yj表示第j個類別的特征信息； S3、基于注意力卷積網(wǎng)絡構(gòu)建粗分類器和細分類器，得到智能評分框架； S4、將輸入數(shù)據(jù)集輸入到智能評分框架中，得到最終評分；具體包括： 基于粗分類器的圖像嵌入層對輸入數(shù)據(jù)集進行投影處理，得到多通道的第一類特征空間投影； 應用粗分類器的局部特征提取層對多通道的第一類特征空間投影進行特征提取，得到第一類高維局部特征； 應用粗分類器的全局特征學習層對第一類高維局部特征進行補充學習，得到第一類局部特征和第一類全局特征的交互信息； 應用粗分類器的細粒度分類層對第一類局部特征和第一類全局特征的交互信息進行分類，得到第一類分類信息； 基于細分類器的圖像嵌入層對第一類分類信息進行投影處理，得到多通道的第二類特征空間投影； 應用細分類器的局部特征提取層對多通道的第二類特征空間投影進行特征提取，得到第二類高維局部特征； 應用細分類器的全局特征學習層對第二類高維局部特征進行補充學習，得到第二類局部特征和第二類全局特征的交互信息； 應用細分類器的細粒度分類層對第二類局部特征和第二類全局特征的交互信息進行分類，得到第二類分類信息； 應用評分模塊對第二類分類信息進行賦值評分，得到最終評分。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人廣東工業(yè)大學，其通訊地址為：510006 廣東省廣州市番禺區(qū)大學城外環(huán)西路100號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。