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！

龙图腾网获悉华中科技大学申请的专利基于多层特征自身差异融合的动态特征提取与描述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：CN115331021B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202210849429.2，技术领域涉及：G06V10/44；该发明授权基于多层特征自身差异融合的动态特征提取与描述方法是由杨华;姜宇扬;黄开基;尹周平设计研发完成，并于2022-07-19向国家知识产权局提交的专利申请。

本基于多层特征自身差异融合的动态特征提取与描述方法在说明书摘要公布了：本发明属于图像处理领域，并公开了一种基于多层特征自身差异融合的动态特征提取与描述方法。首先，基于特征提取模块对输入的图像进行特征提取；其次，多层特征自身差异检测模块对不同网络层的输出计算对应的特征自身差异图，然后将它们融合来获得具有多层信息的检测分值图；在训练方面，近似关键点距离检测损失函数使用softargmax近似回归局部区域极大值点坐标作为关键点坐标，使得涉及关键点坐标的计算能够被反向传播；最后，提出正匹配与误匹配比例描述损失函数指导网络学习可靠的描述子，进一步提升匹配性能。如此，本发明能够提高当前联合特征提取与描述方法的关键点检测精度与匹配精度，对光照变化、仿射变换等干扰都有较高鲁棒性。

本发明授权基于多层特征自身差异融合的动态特征提取与描述方法在权利要求书中公布了：1.一种基于多层特征自身差异融合的动态特征提取与描述模型的构建方法，其特征在于，包括： S1，搭建特征提取与描述模型；其中，所述特征提取与描述模型包括： 特征提取模块，用于对输入的图像进行特征提取，得到不同层级的特征图； 多层特征自身差异检测模块，用于根据某一层级的特征图，计算每个像素特征维度各特征值与平均特征值之间的差异，以得到对应层级的特征自身差异分值图；并将若干层级的特征自身差异分值图进行融合，得到关键点检测分值图； S2，计算损失函数，并将损失反向传播训练所述特征提取与描述模型； 所述损失函数包括关键点检测精确度损失函数和回归精确度损失函数，所述关键点检测精确度损失函数表征第一关键点检测分值图和第二关键点检测分值图划分的对应patch分别通过softargmax回归得到的近似可导极大值点坐标之间的平均距离，其中，第一关键点检测分值图为第一图像通过特征提取与描述模型得到的关键点检测分值图，所述第二关键点检测分值图为根据同一场景下的第一图像和第二图像之间的真值匹配图映射的所述第二图像的关键点检测分值图；所述回归精确度损失函数表征关键点检测分值图划分的各patch通过softargmax回归得到的近似可导极大值点坐标与通过argmax得到的不可导极大值点坐标之间的平均距离。

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中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。