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！

龙图腾网获悉安庆师范大学申请的专利一种用于无标签黄梅戏图像检索的特征提取和深度量化学习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：CN120429458B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202510515625.X，技术领域涉及：G06F16/583；该发明授权一种用于无标签黄梅戏图像检索的特征提取和深度量化学习方法是由艾列富;蒋常玉;张沐阳;侯婷岚;朱正南;李俊;刘芮;孙卓珺设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本一种用于无标签黄梅戏图像检索的特征提取和深度量化学习方法在说明书摘要公布了：本发明涉及图像检索领域中的无标签黄梅戏图像检索问题，公开了一种基于负视图对比学习的黄梅戏图像特征提取和深度累加量化学习方法，该方法主要由随机数据增强、图像特征编码器、纹理特征提取、深度累加量化和基于负视图的量化对比学习五个模块组成，包括：使用两种正向数据增强技术和基于图像块的负向数据增强技术分别为输入图像生成两个正样本和一个负样本；将预训练的VisionTransformer模型和U‑Net作为图像特征提取器，其将输入图像映射为高维实值特征向量。然后，经过包含若干个码书的深度累加量化层，通过软分配机制获得图像特征向量对应的重构向量。此外，通过一个自适应高通滤波生成器获取对应黄梅戏图像的局部纹理特征。最后，基于负视图的量化对比学习用于最小化相关重构向量之间的相似性，最大化无关重构向量之间的相似性。本发明结合基于对比学习框架，生成输入黄梅戏图像的真实负样本并将该图像的全局特征和局部纹理特征融合，有效提升了基于深度累加量化的图像检索方法的检索精度。

本发明授权一种用于无标签黄梅戏图像检索的特征提取和深度量化学习方法在权利要求书中公布了：1.一种用于无标签黄梅戏图像检索的特征提取和深度量化学习方法，其特征在于，包括：随机数据增强、图像特征编码器、纹理特征提取、深度累加量化和基于负视图的量化对比学习； 所述随机数据增强包括：使用两种随机正向数据增强，为无标签黄梅戏图像生成两个正样本；另外，采用基于图像块的负向数据增强，将输入的无标签黄梅戏图像划分为M×N个不重叠的图像块并随机打乱重组图像，获取无标签黄梅戏图像的负样本； 所述图像特征编码器包括：采用VisionTransformer模型作为无标签黄梅戏图像的全局特征提取器，该模型通过分层图像块嵌入机制将图像映射为高维实值图像特征向量，从而获取图像的全局特征向量；同时，使用U-Net提取所输入的无标签黄梅戏图像的多个尺度特征向量； 所述纹理特征提取包括：将U-Net网络提取的多尺度特征向量自底向上融合，得到初始融合特征向量，再将其输入到一种自适应高通滤波生成器中，从而获得无标签黄梅戏图像中局部纹理特征； 所述深度累加量化包括：将所提取的高维实值图像特征向量输入由L个码书组成的深度累加量化模块，分别经量化后对量化输出向量进行累加以获得对应的重构向量； 所述基于负视图的量化对比学习包括两种基于负视图的量化对比学习：联合原始图像与负向视图的量化对比学习和联合正向视图与负向视图的量化对比学习；通过构建图像的真实负样本，以降低假负样本在基于对比学习的量化模型训练过程造成的负面影响；另外，采用感知去偏框架来进一步降低随机选取无标签训练图像所带来的假负样本问题的不利影响。

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安庆师范大学，其通讯地址为：246011 安徽省安庆市大观区菱湖南路128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。