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！

龙图腾网获悉重庆中科摇橹船信息科技有限公司申请的专利基于局部感受野的深度学习特征点匹配方法、设备及介质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：CN116664863B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310548656.6，技术领域涉及：G06V10/44；该发明授权基于局部感受野的深度学习特征点匹配方法、设备及介质是由郑道勤;齐文博;章齐设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本基于局部感受野的深度学习特征点匹配方法、设备及介质在说明书摘要公布了：本发明提供了一种基于局部感受野的深度学习特征点匹配方法，本发利用深度学习技术构建了一个“轻量级”的神经网络模型，相比于其他特征点量化网络，效率更高，速度更快。相对于传统的算法，在同一匹配策略下，有更高的匹配精度。所以本模型兼顾了精度与速度两个方面，在工业视觉中，有较好的实用性；本发明还利用工业2D匹配的特性，对匹配的仿射变换矩阵进行限制，分别是放缩大小的限制，以及形变的限制，在实际生产中有较好的易用性。

本发明授权基于局部感受野的深度学习特征点匹配方法、设备及介质在权利要求书中公布了：1.一种基于局部感受野的深度学习特征点匹配方法，其特征在于，包括： S1、构建神经网络模型，将所述网络模型的输入统一为长和宽均为32个像素值，通道为1的图片，并将所述图片分类为训练集和测试集； S2、采用Triplet方式将训练集的分类为、Negative i 及Positive i ，并将训练集喂入所述网络模型； S3、采用Marginrankingloss损失函数训练所述网络模型，并利用特征点筛选算法筛选出训练集中的特征点，再以所述特征点为中心，截取长和宽均为32个像素值的子图像进行训练，所述采用Marginrankingloss损失函数训练所述网络模型，包括： 所述Marginrankingloss 表示为： ； 其中，为一个预设参数，表示样本i和正样本之间的L2距离： ； 表示样本i和负样本之间的L2距离： ； 分别表示为,Negative i ,Positive i, 经过神经网络得到的向量表证； S4、设在模板图片和搜索图片中分别筛选出N和M个特征点，分别得到向量表征结果为，并分别计算和两两间的向量距离，组成的矩阵； S5、设所述向量距离的第一阈值Th，判断所述矩阵中的每个元素是否小于所述第一阈值Th，若小于则将模板图片的坐标和搜索图片的坐标记录下来，组成一对，共生成多对坐标对，并设坐标对集合为P； S6、将模板图片到搜索图片的位置映射看成一个仿射变换，表示为仿射变换矩阵M： ； S7、在集合P中随机抽取3对坐标对，计算出坐标对的仿射变换矩阵M，对仿射变换矩阵M进行判断： 若仿射变换矩阵在M中存在或，则证明匹配错误，反之则再计算集合P中所有的模板图片中的坐标通过仿射变换矩阵M变换的结果坐标，并设定第二阈值，并判断所述结果坐标和集合P中对应的搜索图坐标的距离与第二阈值的大小，若小于所述第二阈值，则认为所述位置的仿射变换是正确的，并统计共得到正确的点个，反之则认为是错误的； S8、重复步骤S6-S7m次，选择正确的点个数n最多的仿射变换矩阵M作为最终的仿射变换矩阵。

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重庆中科摇橹船信息科技有限公司，其通讯地址为：401121 重庆市渝北区杨柳北路6号15层1-4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”。

以上内容由龙图腾AI智能生成。