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局部特征強化和重排序的圖像檢索方法、介質及設備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：CN119027694B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202410979619.5，技術領域涉及：G06V10/74；該發明授權基于局部特征強化和重排序的圖像檢索方法、介質及設備是由姚金良;陳捷豐設計研發完成，并于2024-07-22向國家知識產權局提交的專利申請。

本基于局部特征強化和重排序的圖像檢索方法、介質及設備在說明書摘要公布了：本發明公開一種基于局部特征強化和重排序的圖像檢索方法、介質及設備。本發明構建特征提取模型，通過引入一種局部特征強化編碼器，提取了特征圖中感興趣區域的局部幾何結構信息，使感興趣區域中的特征得到更高的權重，降低非重要區域對全局特征的干擾，使得編碼器更能準確提取圖像中的重要內容。本發明引入一種特征融合模塊，通過特征融合得到兼顧局部和全局的融合特征圖。加入重排序技術，使模型可以根據圖像庫的信息更新查詢圖像和圖像庫圖像的特征向量，使查詢圖像特征向量與圖像庫特征向量更為適配，提升了檢索結果的準確率。本發明在ROxford5K數據集、RParis6K數據集和Revisitop1m數據集上進行了訓練及評估，相較于以往方法，本發明有更好的效果。

本發明授權基于局部特征強化和重排序的圖像檢索方法、介質及設備在權利要求書中公布了：1.一種基于局部特征強化和重排序的圖像檢索方法，其特征在于，包括： S1、獲取分辨率大小統一且已按類別分組的圖像，作為神經網絡的訓練數據； S2、將特征提取模型與分類器級聯，利用所述訓練數據以圖像分類任務訓練特征提取模型；所述特征提取模型由骨干網絡、局部特征強化編碼器、特征融合模塊和全局池化模塊組成，模型的輸入圖像首先經過骨干網絡提取初始特征圖，再經過局部特征強化編碼器將初始特征圖中每個像素的特征擴充為以該像素為中心的區域對應的局部特征圖，所有局部特征圖各自被壓縮成一個特征向量后再重新按照中心像素原始的空間位置關系組合為一個強化局部特征圖，然后由特征融合模塊將初始特征圖與強化局部特征圖進行線性融合，得到的融合特征圖經過全局池化模塊后得到全局特征； S3、利用訓練后的特征提取模型對查詢圖像和圖像索引庫中的每張圖像庫圖像分別進行特征提取，每張圖像提取得到對應的全局特征； S4、將查詢圖像和圖像索引庫中的每張圖像庫圖像分別作為被檢索圖像，由圖像檢索模型基于圖像的全局特征計算圖像之間的相似度，從圖像索引庫中檢索到相似度最高的若干張圖像庫圖像構成被檢索圖像的相似圖像集合；再采用基于查詢擴展和數據庫增強的重排序方法，將各相似圖像集合中所有圖像的全局特征融合更新至對應的被檢索圖像自身的全局特征中，最后由圖像檢索模型基于融合更新后的全局特征在圖像索引庫中重新檢索查詢圖像的相似圖像，得到最終檢索結果； 所述S4中，采用基于查詢擴展和數據庫增強的重排序方法獲得最終檢索結果的過程如下： S41、將查詢圖像輸入圖像檢索模型中，基于圖像的全局特征計算圖像之間的相似度，從圖像索引庫中檢索到相似度最高的若干張圖像庫圖像，構成查詢圖像的第一相似圖像集合； S42、將圖像索引庫中的每張圖像庫圖像輸入圖像檢索模型中，基于圖像的全局特征計算圖像之間的相似度，從圖像索引庫中檢索到相似度最高的包含自身在內的若干張圖像庫圖像，構成每張圖像庫圖像的第二相似圖像集合； S43、針對第一相似圖像集合中的所有相似圖像，以各自與查詢圖像之間的歸一化相似度為權重，將所有圖像的全局特征進行加權融合并將融合特征疊加至查詢圖像的全局特征中，實現更新查詢圖像的全局特征； S44、針對圖像索引庫中的每張圖像庫圖像，將各自的第二相似圖像集合中所有相似圖像的全局特征進行加權融合，加權權值為各相似圖像與當前圖像庫圖像之間的歸一化相似度，融合特征作為當前圖像庫圖像更新后的全局特征； S45、由圖像檢索模型重新計算查詢圖像更新后的全局特征與圖像索引庫中每張圖像庫圖像更新后的全局特征之間的相似度，返回相似度最高的若干張圖像庫圖像作為最終檢索結果。

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”。