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！

龍圖騰網獲悉西北工業大學申請的專利一種增強型多變換特征提取匹配網絡模型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：CN116630645B 。

龍圖騰網通過國家知識產權局官網在2025-08-29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：202310608376.X，技術領域涉及：G06V10/44；該發明授權一種增強型多變換特征提取匹配網絡模型是由魏倩茹;黃佳訊設計研發完成，并于2023-05-27向國家知識產權局提交的專利申請。

本一種增強型多變換特征提取匹配網絡模型在說明書摘要公布了：本發明公開了一種增強型多變換特征提取匹配網絡模型，包括：EMTDL?MatchNet重構查詢集特征模塊；EMTDL?MatchNet特征學習模塊；EMTDL?MatchNet自適應匹配器。本發明在特征學習模塊，加入了殘差網絡模塊，可以減少網絡在信息傳遞的時候存在信息丟失、損耗等問題。實現一定程度上的恒等變換（y=x）。增加了快捷連接分支，在線性轉換和非線性轉換之間尋求一個平衡，減少了信息在傳遞過程中的損失。

本發明授權一種增強型多變換特征提取匹配網絡模型在權利要求書中公布了：1.一種增強型多變換特征提取匹配網絡模型，其特征在于，包括： EMTDL-MatchNet重構查詢集特征模塊； EMTDL-MatchNet特征學習模塊； EMTDL-MatchNet自適應匹配器； 所述EMTDL-MatchNet特征學習模塊包括： 通過公式表示通道注意力和空間注意力處理過程； 通道注意力機制公式： ； 空間注意力機制公式： ； 將使用兩種不同的融合方案將空間注意力機制和通道注意力機制融合起來； 在特征提取模塊淺層，使用注意力融合方案1，幫助學習淺層特征；在特征提取模塊深層，使用注意力融合方案2，幫助學習深層語義特征； 注意力融合方案1：給定一個原始特征圖作為輸入，在通過注意力機制處理后，可以獲得： ； 進行信息增強，可以獲得： ； 注意力融合方案2：主要分為兩步； 第一步：將原始特征圖進行兩次STN轉變處理，即分別通過STN1和STN2處理，得到和； 第二步：對由第一部分得到的兩個結果和；然后分別通過兩個注意力組合模塊和得到和；具體模塊用公式描述： ； 最后，將兩個向量和進行維度上連接輸入最后一層進行降通道處理，以減少模型的參數量； 將注意力融合方案1加入第三卷積層和第四卷積層之間，將注意力融合方案2加入第五卷積層和第六卷積層之間； 將特征學習模塊分為三個ResNet模塊；第一段ResNet1包括兩個卷積層，第二段ResNet2包括兩個卷積層以及第一種注意力融合方案，第三段ResNet3包括兩個卷積層以及第二種注意力融合方案； 對于特征學習模塊，將前三個卷積模塊的輸出通道分別設置為16、32、48，最后三個卷積塊的輸出通道是相同的即64； 所述EMTDL-MatchNet重構查詢集特征模塊包括： 假設經過特征學習模塊處理的支持集輸出特征進行平均處理，然后，平均支持集注意力特征與查詢集注意力特征在通道維度進行融合； 將融合后的向量輸入重構查詢集特征模塊，來減半融合特征的通道個數； 該模塊擁有三層，每一層擁有3×3卷積核的卷積塊，一個批量歸一化和一個RELU非線性層； 重構查詢集特征模塊的輸出作為新查詢集注意力特征，新查詢集注意力特征與支持集注意力特征在通道維度進行連接，形成查詢集—支持集注意力特征向量；該特征向量輸入匹配模塊來計算類別分數； 對于重構查詢集特征模塊，重構查詢集特征模塊，三個卷積塊的輸入通道設置為128，96，96.輸出通道分別設置為96、96和64； 所述EMTDL-MatchNet匹配模塊包括： 將查詢特征圖和支持特征圖在通道維度進行連接，然后將組合的特征圖送入匹配器，使匹配器自調節地選擇同類別的樣本獲得更高的相似度分數；采用非線性網絡結構自適應地度量SAR圖像樣本的相似性，摒棄手工制作的固定度量，這種度量不適合復雜的SAR圖像分類； 匹配模塊包括兩個卷積塊和兩個全連接層，其中，兩個卷積模塊都包含一個3×3卷積層、一個批量歸一化層、一個ReLU非線性層和一個2×2最大池層；第一個全連接層的輸出由ReLU計算，而最后一個FC層的輸出由Sigmoid計算；最后一層利用大間隔softmax非線性化增加不同類別樣本間的可分性，同時采用批規范化處理加快網絡收斂速度； 對于匹配器，將前兩個卷積塊的輸出通道設置為64和32；兩個FC層的輸入尺寸為32*2*2和32，而輸出尺寸為32和1。

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西北工業大學，其通訊地址為：710072 陜西省西安市友誼西路127號；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”。