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！

龙图腾网获悉华南理工大学申请的专利一种基于难负样本表征合成的图像检索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：CN119397047B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202411521888.3，技术领域涉及：G06F16/55；该发明授权一种基于难负样本表征合成的图像检索方法是由黄双萍;彭文杰;柯衢辉;黄森设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本一种基于难负样本表征合成的图像检索方法在说明书摘要公布了：本发明公开了一种基于难负样本表征合成的图像检索方法，包括以下步骤：构建能够合成信息丰富的难负样本表征生成网络；以类别均衡采样策略构建的批量图像作为网络输入，经图像表征提取模块提取出批量图像表征，然后将批量图像表征输入到样本间全局关联学习模块中学习，将互为负类的样本对输入到关联感知的通道多样性插值模块中合成难负样本表征；训练所述的能够合成信息丰富的难负样本表征生成网络，利用合成的难负样本表征和真实样本表征共同训练图像表征提取模块；使用训练好的图像表征提取模块进行图像检索；通过结合样本间全局关联学习能力，合成更具信息量的难负样本表征，引导图像表征提取模块提取更具判别性的图像表征以增强检索性能。

本发明授权一种基于难负样本表征合成的图像检索方法在权利要求书中公布了：1.一种基于难负样本表征合成的图像检索方法，其特征在于，包括以下步骤： 步骤1，构建能够合成信息丰富的难负样本表征生成网络，包括图像表征提取模块、样本间全局关联学习模块和关联感知的通道多样性插值模块； 步骤2，以类别均衡采样策略构建的批量图像作为网络输入，并经图像表征提取模块提取出批量图像表征，然后将批量图像表征输入到样本间全局关联学习模块中学习每个锚点样本与其他所有负样本之间的相关性，将互为负类的样本对输入到关联感知的通道多样性插值模块中，根据所述样本对的相关性插值合成难负样本表征； 步骤3，训练所述的能够合成信息丰富的难负样本表征生成网络，利用合成的难负样本表征和真实样本表征共同训练图像表征提取模块； 步骤4，使用训练好的图像表征提取模块进行图像检索； 所述图像表征提取模块包括卷积神经网络和全连接层；所述批量图像表征提取步骤具体如下： 步骤20201、将所述批量图像输入至所述卷积神经网络后，再通过二维最大池化压缩得到一维张量； 步骤20202、所述一维张量经过批量归一化、全连接层以及L2范数归一化处理得到所述批量图像表征； 其中，所述批量图像表征包含了所述批量图像内所有样本的表征； 所述样本间全局关联学习模块包括节点消息传播网络和边消息传播网络，所述样本间全局关联学习模块的搭建具体步骤如下： 步骤20301、所述样本间全局关联学习模块将所述批量图像表征构建成图结构，所述图结构中包括若干节点和边，每个所述节点为单个样本的表征，每条边为所述互为负类的样本对的表征点积； 步骤20302、所述节点消息传播网络作用于整个所述图结构中的所有所述节点；其中，每个所述节点通过Tranformer机制融合邻接的所述节点和边，从而使所述节点学习到全局样本关联信息； 步骤20303、所述边消息传播网络作用于每对所述负类的样本对之间，以将所述节点学习到的所述全局样本关联信息融入到所述边中； 步骤20304、分别经过2次所述节点消息传播网络和边消息传播网络的迭代作用后完成所述样本间全局关联学习模块的搭建。

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华南理工大学，其通讯地址为：510000 广东省广州市天河区五山路381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”。