1. 超详细教你一步一步写中国发明专利（实战录制版）！_哔哩哔哩_bilibili
2. 【保姆级】逐句教你写专利！累计参与发表专利40+工科研究生 手把手教你写专利！_哔哩哔哩_bilibili

手把手教你撰写发明专利（计算机电子大类）_哔哩哔哩_bilibili

专利文件：（五书）

1. 权利要求书；
2. 说明书；
3. 说明书附图（发明可以没有）；
4. 说明书摘要；
5. 摘要附图（发明可以没有）。

动手之前

1、和现有方案的区别点（哪个步骤不同）

2、区别点解决的技术问题；

3、区别点达到的技术效果。

1 、权利要求书

1. 一种卷积神经网络计算方法，其特征在于，所述卷积神经网络计算方法包括：
   1. 卷积步骤，用以对输入数据矩阵进行卷积神经网络运算中的卷积计算以产生经卷积数据矩阵；
   2. 池化步骤，对所述经卷积数据矩阵进行所述卷积神经网络运算中的池化计算以产生经降维数据矩
   3. 激活步骤，对所述经降维数据矩阵进行包括激活计算的后续计算以产生输出数据矩阵

批注 13

简单的语言表述步骤方法；权利要求不能出现“等”、“大约”、“优选”“可以”“比如”“不限于”等不确定的词汇。

2. 根据 权利要求 1 所述的 卷积神经网络计算方法，其特征在于，所述卷积步骤包括：使用卷积核扫描所述输入数据矩阵以进行所述卷积计算；以及在对所述输入数据矩阵进行所述扫描的过程中还计算所述输入数据矩阵的多个元素的和 sumc 以及平方和 sqe，其中所述激活步骤使用所述卷积步骤所产生的所述和 sumc 以及所述平方和 sqc 去计算平均数μc 以及方差σc2 以便进行所述后续计算中的归一化计算。.

批注 14：

每一个权利要求只有结尾一个句号，中间文字不能用句号

批注 15：

权 2 的特征=权 1+附加的特征（其特征在于后面那一部分）

批注 16：

这个引用其他权利要求的时候，序号是不做限制的，但是要注意，有没有引用基础的问题。比如：其特征在于，所属的卷积步骤……，引用的权利要求就必须有卷积步骤。

批注 17：

名称和权 1 一致，不要加一种

批注 18：

对权 1 的每一个部分进行较为详细的说明。

3. 根据 权利要求 2 所述的卷积神经网络计算方法，其特征在于，所述池化步骤包括：对所述经卷积数据矩阵的每一个元素乘以规模学习参数 yc，以产生经规模化数据矩阵，其中根据所述卷积神经网络运算中的归一化计算公式确定所述规模学习参数 γ c；以及对所述经规模化数据矩阵进行所述池化计算，以产生所述经降维数据矩阵。
4. 根据 权利要求 2 所述的卷积神经网络计算方法，其特征在于，所述激活步骤包括：对所述经降维数据矩阵进行所述归一化计算，以产生经归一化数据矩阵；以及对所述经归一化数据矩阵进行所述激活计算，以产生所述输出数据矩阵。
5. 根据 权利要求 2 所述的卷积神经网络计算方法，其特征在于，卷积步骤包括：
6. 根据 权利要求 5 所述的卷积神经网络计算方法，其特征在于，…….

批注i10：

权 2 的卷积步骤可以不用太详细，权 5 比权 2 更详细，循循渐进。

2 、说明书

3 、说明书附图（发明可以没有）

4 、说明书摘要

名称+领域+方案+效果，结尾一个句号，300 字以内。

本发明提供一种卷积神经网络计算方法【名称】，属于卷积神经网络领域【领域】，所述卷积神经网络计算方法包括卷积步骤、池化步骤以及激活步骤，卷积步骤用以对输入数据矩阵进行卷积神经网络运算中的卷积计算【方案】，以产生经卷积数据矩阵【效果 】，池化步骤对经卷积数据矩阵进行卷积神经网络运算中的池化计算，以产生经降维数据矩阵，激活步骤对经降维数据矩阵进行包括激活计算的后续计算，以产生输出数据矩阵；池化步骤可以在进行归一化计算以及激活计算之前先对数据矩阵进行降维，因此可以降低归一化、激活时的计算负担。

5 、摘要附图（发明可以没有）

1、名称

2、开始定义统一的名词

3、开始写你想发明的内容步骤（1、2、3）

例如：分类猫、狗、鱼

现成的一个算法，应用到一个新的领域

解决一个目前存在的问题（一个新的算法，它一定会有一个过人的方法，例如加入了注意力机制）

1、名称：基于压缩与激励网络的医学图像分类方法（CT图、脚部、手部、脑补）

2、统一名词：如神经网络、医学的专有名词

3、步骤一：采用专门的仪器设备采集到相关的医学图像（写相关的图像大小、尺寸是多少）

步骤二：图像的预处理方法（医学图像进行相关的处理（灰度化>几何变换>图像增强）

步骤三：模型的搭建（创新点、新的算法）（最多的）

步骤四：图像处理方法（正式的图像放入训练好的模型中进行处理）（重点写图像如何放入以及处理后的结果输出）

开始撰写

一、发明或者使用新型的名称

一种基于···的···方法

二、技术领域

本发明涉及计算机图像···领域，尤其涉及一种···（这一块与名称相对应）方法

三、技术背景

在计算机图像领域，深度神经网络经过良好的训练能够分辨出不同类别的图像，并展现出极好的性能。（大白话） 然而，（开始写目前领域出现的问题），目前准确率特别低或者说（在没有注意力机制的情况下，存在哪些问题）

（继续写存在哪些问题）中国专利申请 CN107506799A 公开了一种基于深度神经网络的开集类别发掘与扩展方法和装置，（其他的专利已经提出过了，但是我们的方法比性能要好，我们可以这样写）

该方法包括开集类别发掘与开集识别扩展两个阶段。在发掘阶段，将已知类别样本的样本集训练扩展分类模型，获得阈值信息；并根据阈值信息确定至少部分未知类别样本。在扩展阶段，将人工标记的未知类别样本通过增量学习的方式实现增量训练。（前面写的是，专利提出的方法）

然而上述方法中将已知类和未知类分类并不能达到非常完美的效果，且在增量过程中未知类别与新增类别数量不均衡问题均会影响模型分类准确率。 （后面写的是，专利仍存在的问题）

因此现有技术需要一种 提高已知类别和未知类别分类准确率的方法，来处理开集识别问题，并且需要一种针对均衡新增类别与未知类别的增量学习方法，来提高增量学习分类效率。（存在的难点）

（六）附图说明
（七）具体实施方式
步骤 1：采用专门的仪器设备采集到相关的医学图像（写相关的图像的大小，尺寸是多少）步骤 2：1 图像的预处理方法（医学图像进行相关的处理（灰度化->2 几何变换->3 图像增强））步骤 3：模型的搭建（创新点，新的算法）（最多的）
步骤 4：图像处理方法（正式的图像放入训练好的模型中进行处理）（重点写，图像如何放入以及处理后的结果输出）

四、目的



本发明提供了一种方法。该方法可以有效解决什么什么问题，为后续的开集增量学习算法研究以及工程应用提供新的思路。

五、技术方案（和具体实施方式一一对应）

30:11

为了解决上述问题，本申请提出了一种···方法，包括如下步骤。

S1：采用专门的仪器设备采集到相关的医学图像（写相关的图像的大小，尺寸是多少）
S2：图像的预处理方法（医学图像进行相关的处理（灰度化->2 几何变换->3 图像增强>）
S3：模型的搭建（创新点，新的算法）（最多的）
S4：图像处理方法（正式的图像放入训练好的模型中进行处理）（重点写，图像如何放入以及处理后的结果输出）

优先地，（文字内容与S1完全相同），具体为：（将S1的步骤进行详细的书写）

六、附图说明

40:15

图一是什么示意图（要对应上）

图 1 是本发明方法中基于增量学习的未知类别识别与拓展方法的示意图

加在最后

七、具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明实施方案作进一步详细描述

步骤1：

具体地解释一下干了什么，用一段话的形式进行书写

步骤 2：

步骤 3：

由图 1 所示，

步骤 4：

八、实验结果说明

（加入一些表格，让专利更好看，更好授权）

初学者写专利常见的8个问题_哔哩哔哩_bilibili

一、用已经公开的论文申请专利注意：
1）论文发表影响专利，专利不影响论文；
2）专利申请之后就可以论文投稿。