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！

龙图腾网获悉北京航空航天大学申请的专利基于紧致表征建模和语义标签引导的细粒度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：CN120030182B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202510002116.7，技术领域涉及：G06F16/58；该发明授权基于紧致表征建模和语义标签引导的细粒度图像检索方法是由陈佳鑫;张宇彤;陈鸿林;王蕴红设计研发完成，并于2025-01-02向国家知识产权局提交的专利申请。

本基于紧致表征建模和语义标签引导的细粒度图像检索方法在说明书摘要公布了：本发明涉及基于紧致表征建模和语义标签引导的细粒度图像检索方法，属于细粒度图像分析技术领域，解决了现有技术中难以高效挖掘图像显著且紧致的中间特征的问题，包括：步骤S1：准备预处理后的图像数据集；步骤S2：构建特征提取网络，提取得到视觉词向量；步骤S3：生成哈希编码中心；步骤S4：构建紧致编码映射单元；步骤S5：对构建的特征提取网络以及紧致编码映射单元进行训练，得到训练好的特征提取网络和紧致编码映射单元；步骤S6：进行细粒度图像检索，将得到的待检测编码与检索编码库中的编码进行匹配，距离最小的样本即为最终的检索结果。

本发明授权基于紧致表征建模和语义标签引导的细粒度图像检索方法在权利要求书中公布了：1.基于紧致表征建模和语义标签引导的细粒度图像检索方法，其特征在于，包括以下步骤： 步骤S1，准备包含细粒度类别的图像数据集，进行数据预处理和数据划分，得到预处理后的图像数据集； 步骤S2，构建特征提取网络，包括构建基于多层视觉Transformer的特征提取网络作为主干网络，用于对预处理后的图像数据集中的图像进行视觉特征提取得到视觉词向量，该特征提取网络还包括全局级别特征学习分支和局部级别特征学习分支，其中局部级别特征学习分支中包括MUSTA模块； 步骤S3，生成哈希编码中心，根据图像细粒度标签构建词袋模型，用于统计每个单词在类别标签中出现的频率作为词频，根据统计得到的词频计算所有类别标签之间的语义相似度矩阵，并最终以语义相似度矩阵为权重生成每个类别的编码中心； 步骤S4，构建紧致编码映射单元，将经由特征提取网络提取的视觉词向量输入构建的编码映射单元中，并使用编码映射单元中的激活函数将视觉词向量的高维实值特征映射为低维二进制编码，得到图像的紧致表征，并以该得到的图像的紧致表征构建检索编码库； 步骤S5，对构建的特征提取网络以及紧致编码映射单元进行训练，得到训练好的特征提取网络和紧致编码映射单元； 步骤S6，进行细粒度图像检索，将待检测的图像输入训练好的特征提取网络和紧致编码映射单元得到待检测的图像的高维特征，将待检测的图像的高维特征映射为低维编码作为待检测编码，将得到的待检测编码与检索编码库中的编码进行匹配，距离最小的样本即为最终的检索结果； 所述步骤S2具体包括以下步骤： 步骤S2.1，构建特征提取网络，首先构建包括全局级别特征学习分支和局部级别特征学习分支的多层视觉Transformer作为特征提取网络的主干网络，其中局部级别特征学习分支中包括MUSTA模块； 步骤S2.2，输入预处理后的图像数据集，使用构建的多层视觉TransformerΦViT·从输入的预处理后的图像数据集中的图像I提取全局级别视觉词向量序列： Tgl＝ΦViTI； 步骤S2.3，并行采用所设置的MUSTA模块，从多层视觉Transformer的除了最后一层以外的所有Transformer层中的每层Transformer层的每个注意力头中，选择若干个较为显著的视觉词向量，并将从除了最后一层以外的各层Transformer层中选择的所有的显著的视觉词向量聚合为最终输入序列Z′L-1，其中，L表示多层视觉Transformer所包括的Transformer层的总层数； 步骤S2.4，将聚合后的最终输入序列Z′L-1输入到局部级别特征学习分支中的最后一个Transformer层中，经处理得到局部级别视觉词向量序列：

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北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37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。