買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉杭州電子科技大學申請的專利基于注意力融合局部超級特征和全局特征的圖像檢索方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115238117B 。

龍圖騰網通過國家知識產權局官網在2025-08-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210806327.2，技術領域涉及：G06F16/583；該發明授權基于注意力融合局部超級特征和全局特征的圖像檢索方法是由姚金良;陳飛;黃孝喜;李永青設計研發完成，并于2022-07-08向國家知識產權局提交的專利申請。

本基于注意力融合局部超級特征和全局特征的圖像檢索方法在說明書摘要公布了：本發明提供了一種基于注意力融合局部超級特征和全局特征的圖像檢索方法。該方法主要包含融合特征訓練和實時圖像檢索這兩個部分。其中融合特征訓練包含兩個階段：局部超級特征的提取，局部超級特征和全局特征的融合。局部超級特征的提取是通過迭代注意力模型提取出有用的局部特征，通過正樣本對特征匹配訓練，找出最有用的局部超級特征；局部超級特征和全局特征的融合是將找出的局部超級特征與全局特征的信息進行正交融合，得到一個單一多維的特征向量用于檢索。本發明方法可以精確提取出圖像的有用特征，同時特征數據量小，信息高度集中，檢索速度更快，存儲空間要求更低，進而能更好的用于圖像檢索任務。

本發明授權基于注意力融合局部超級特征和全局特征的圖像檢索方法在權利要求書中公布了：1.一種基于注意力融合局部超級特征和全局特征的圖像檢索方法，其特征在于，具體步驟如下： 步驟S1、基于圖像檢索相關的圖像數據集，根據圖像數據集中數據的分類選定檢索圖片Q、與檢索圖片Q屬于同類的正樣本圖片P和與檢索圖片Q屬于不同類的負樣本圖片N，構成一次訓練樣本組G； 步驟S2、使用預訓練好的卷積神經網絡，將步驟S1中的訓練樣本組G輸入該卷積神經網絡，提取卷積神經網絡中倒數第二塊卷積特征圖作為初步的局部特征LF，提取卷積神經網絡中最后一塊卷積特征圖作為初步全局特征GF； 步驟S3、構建迭代注意力模型L，按照步驟S3.1和S3.2來訓練迭代注意力模型并得到局部超級特征LSF； 步驟S3.1、對得到的一組訓練樣本組G中各圖片的局部特征LF，將其輸入到迭代注意力模型L中，得到各圖片的局部超級特征LSF； 步驟S3.2、對檢索圖片Q和正樣本圖片P的局部超級特征LSF進行匹配，找出匹配的超級特征對；對超級特征對與負樣本圖片N的局部超級特征LSF計算損失Lsuper； 步驟S4、對于得到的局部超級特征LSF和初步全局特征GF，將初步全局特征GF經過池化層和全連接層操作，得到一個單一多維的全局特征SGF，計算每一個局部超級特征LSF在全局特征SGF上的正交分量OC； 步驟S5、訓練樣本組G中各圖片的局部超級特征LSF減去自身的正交分量OC，再與全局特征SGF進行空間維度拼接，經過一個全連接層后得到最終的融合特征OCF，用于圖像檢索； 步驟S6、對得到的融合特征OCF特征進行交叉熵損失函數的計算，得到損失Lglobal，再計算最終的總損失L＝Lsuper+Lglobal；基于總損失訓練模型直到模型收斂； 步驟S7、將圖像檢索數據庫中的所有圖像按照與訓練樣本相同的方法輸入到訓練后的模型中，得到圖像檢索數據庫中每張圖像的融合特征OCFk； 步驟S8、將待檢索圖片Q*按照與訓練樣本相同的方法輸入到訓練后的模型中，得到待檢索圖片Q*的融合特征OCF*，將其與圖像檢索數據庫中各圖像的融合特征OCFk進行余弦相似度的計算，取余弦相似度最高的前K個融合特征對應的圖像作為與待檢索圖片Q*最相似的的檢索結果進行返回。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市下沙高教園區2號大街；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。