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！

龙图腾网获悉清华大学深圳国际研究生院申请的专利一种基于相似性约束深度哈希的两阶段地点识别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：CN120045737B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202510115667.4，技术领域涉及：G06F16/587；该发明授权一种基于相似性约束深度哈希的两阶段地点识别方法是由袁春;卢锋;张欣瑶设计研发完成，并于2025-01-24向国家知识产权局提交的专利申请。

本一种基于相似性约束深度哈希的两阶段地点识别方法在说明书摘要公布了：一种基于相似性约束深度哈希的两阶段地点识别方法，包括：首先，通过相似性约束深度哈希技术，在第一阶段利用紧凑的二进制哈希特征进行快速检索，显著降低内存占用并提高检索效率。接着，在第二阶段使用更高维的浮点型特征进行精确重新排序，确保识别结果的准确性。此外，结合相似性约束的量化损失和直通估计器STE，实现了含有量化操作的端到端训练，避免了梯度为零导致的参数更新问题。在多个数据集上的验证表明，本发明大幅降低了检索延迟和存储空间，同时显著提升了Rank‑1准确率和平均精度mAP，为移动机器人定位及增强现实等领域的应用提供了高效、准确的解决方案，具有重要的实际应用价值。

本发明授权一种基于相似性约束深度哈希的两阶段地点识别方法在权利要求书中公布了：1.一种基于相似性约束深度哈希的两阶段地点识别方法，其特征在于，包括以下步骤： S1、基于三元组训练框架，构建包含查询图像、正例图像和负例图像的三元组训练样本；将训练样本输入特征提取网络，提取用于两阶段检索的图像特征； S2、对特征提取网络输出的高维语义特征图进行降维和升维处理；通过相似性约束的深度哈希方法将降维特征转换为二进制哈希特征，同时获取升维后的浮点型特征； S3、利用二进制哈希特征在图像数据库中进行第一阶段的快速检索，筛选出与查询图像特征相近的前k个候选图像；采用浮点型特征对候选图像进行第二阶段的精确重新排序，确定最终与查询图像最相似的前k个图像； S4、采用弱监督方法，计算包含相似性约束的量化损失和度量损失的总体损失函数；通过迭代优化模型参数，直至满足预设收敛条件，实现模型的端到端训练；所述相似性约束的度量损失通过以下步骤计算： 计算量化损失：基于浮点型特征与二进制哈希特征之间的相似性差异，计算量化损失； 计算度量损失：基于多相似度损失计算度量损失，并采用直通估计器在反向传播过程中计算梯度； 计算总体损失：通过加权求和的方式结合量化损失和度量损失，得到总体损失函数。

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清华大学深圳国际研究生院，其通讯地址为：518071 广东省深圳市南山区桃源街道丽水路2279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。