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！

龙图腾网获悉浙江工商大学申请的专利一种基于CNN-Transformer双流网络的细粒度服饰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：CN115410067B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202211014352.3，技术领域涉及：G06V10/82；该发明授权一种基于CNN-Transformer双流网络的细粒度服饰检索方法是由董建锋;彭小满;陈书界;朱继祥;王勋设计研发完成，并于2022-08-23向国家知识产权局提交的专利申请。

本一种基于CNN-Transformer双流网络的细粒度服饰检索方法在说明书摘要公布了：本发明公开了一种基于CNN‑Transformer双流网络的细粒度服饰检索方法，该方法包括：首先将图像输入到CNN网络中提取特征；将服饰属性映射为特征向量，然后引导注意力模块提取与属性相关的粗粒度图像特征，其中生成的注意力矩阵用于定位图像中与属性相关的局部区域；将图像中的局部区域以及服饰属性输入到Transformer网络中提取细粒度图像特征；最后将两分支的特征进行融合，得到服饰图像的鲁棒性表达并使用相似性计算进行服饰检索；在原始Transformer的基础上引入Dilated‑Transformer变体，减少模型计算量，加快训练和推理速度。本发明使用新颖的CNN‑Transformer双流结构，利用两种网络结构的互补性对服饰图像进行由粗到精的特征表示，最终融合粗粒度和细粒度的特征以实现较高性能的检索。

本发明授权一种基于CNN-Transformer双流网络的细粒度服饰检索方法在权利要求书中公布了：1.一种基于CNN-Transformer双流网络的细粒度服饰检索方法，其特征在于，包括以下步骤： 1利用预训练的CNN网络对服饰图像进行特征提取，得到图像初始特征； 2对服饰属性进行特征编码，得到服饰属性的嵌入向量； 3利用步骤1中的图像初始特征和步骤2中服饰属性的嵌入向量通过空间注意力模块，得到归一化的自适应注意力权值矩阵，利用自适应注意力权值矩阵对图像初始特征进行加权计算，得到属性感知的空间注意特征向量； 4利用步骤3中的空间注意特征向量和步骤2中的服饰属性的嵌入向量通过通道注意力模块，得到属性感知的通道注意特征向量； 5利用步骤4中的通道注意特征向量通过全连接层，得到CNN分支与属性相关的粗粒度图像特征； 6利用步骤3中的自适应注意力权值矩阵，得到属性相关的图像局部区域； 7利用Dilated-Transformer网络对步骤6得到的局部区域进行特征提取，得到表示局部区域的特征序列； 8利用步骤2中得到的服饰属性嵌入向量和步骤7得到的局部区域特征序列通过Cross-Transformer模块，得到Transformer分支与属性相关的细粒度图像特征； 9分别利用步骤5中的粗粒度图像特征与步骤8中的细粒度图像特征进行三元组损失计算，以端到端的方式训练模型，使得模型能够自动学习不同尺度的图像特征表示； 10利用步骤9中训练得到的模型实现细粒度服饰检索。

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浙江工商大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学正街18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。