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！

龙图腾网获悉杭州电子科技大学申请的专利基于注意力融合局部超级特征和全局特征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：CN115238117B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202210806327.2，技术领域涉及：G06F16/583；该发明授权基于注意力融合局部超级特征和全局特征的图像检索方法是由姚金良;陈飞;黄孝喜;李永青设计研发完成，并于2022-07-08向国家知识产权局提交的专利申请。

本基于注意力融合局部超级特征和全局特征的图像检索方法在说明书摘要公布了：本发明提供了一种基于注意力融合局部超级特征和全局特征的图像检索方法。该方法主要包含融合特征训练和实时图像检索这两个部分。其中融合特征训练包含两个阶段：局部超级特征的提取，局部超级特征和全局特征的融合。局部超级特征的提取是通过迭代注意力模型提取出有用的局部特征，通过正样本对特征匹配训练，找出最有用的局部超级特征；局部超级特征和全局特征的融合是将找出的局部超级特征与全局特征的信息进行正交融合，得到一个单一多维的特征向量用于检索。本发明方法可以精确提取出图像的有用特征，同时特征数据量小，信息高度集中，检索速度更快，存储空间要求更低，进而能更好的用于图像检索任务。

本发明授权基于注意力融合局部超级特征和全局特征的图像检索方法在权利要求书中公布了：1.一种基于注意力融合局部超级特征和全局特征的图像检索方法，其特征在于，具体步骤如下： 步骤S1、基于图像检索相关的图像数据集，根据图像数据集中数据的分类选定检索图片Q、与检索图片Q属于同类的正样本图片P和与检索图片Q属于不同类的负样本图片N，构成一次训练样本组G； 步骤S2、使用预训练好的卷积神经网络，将步骤S1中的训练样本组G输入该卷积神经网络，提取卷积神经网络中倒数第二块卷积特征图作为初步的局部特征LF，提取卷积神经网络中最后一块卷积特征图作为初步全局特征GF； 步骤S3、构建迭代注意力模型L，按照步骤S3.1和S3.2来训练迭代注意力模型并得到局部超级特征LSF； 步骤S3.1、对得到的一组训练样本组G中各图片的局部特征LF，将其输入到迭代注意力模型L中，得到各图片的局部超级特征LSF； 步骤S3.2、对检索图片Q和正样本图片P的局部超级特征LSF进行匹配，找出匹配的超级特征对；对超级特征对与负样本图片N的局部超级特征LSF计算损失Lsuper； 步骤S4、对于得到的局部超级特征LSF和初步全局特征GF，将初步全局特征GF经过池化层和全连接层操作，得到一个单一多维的全局特征SGF，计算每一个局部超级特征LSF在全局特征SGF上的正交分量OC； 步骤S5、训练样本组G中各图片的局部超级特征LSF减去自身的正交分量OC，再与全局特征SGF进行空间维度拼接，经过一个全连接层后得到最终的融合特征OCF，用于图像检索； 步骤S6、对得到的融合特征OCF特征进行交叉熵损失函数的计算，得到损失Lglobal，再计算最终的总损失L＝Lsuper+Lglobal；基于总损失训练模型直到模型收敛； 步骤S7、将图像检索数据库中的所有图像按照与训练样本相同的方法输入到训练后的模型中，得到图像检索数据库中每张图像的融合特征OCFk； 步骤S8、将待检索图片Q*按照与训练样本相同的方法输入到训练后的模型中，得到待检索图片Q*的融合特征OCF*，将其与图像检索数据库中各图像的融合特征OCFk进行余弦相似度的计算，取余弦相似度最高的前K个融合特征对应的图像作为与待检索图片Q*最相似的的检索结果进行返回。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。