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！

龙图腾网获悉联通(上海)产业互联网有限公司申请的专利一种基于深度卷积神经网络和局部敏感哈希算法相结合的图像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：CN116861022B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310841050.1，技术领域涉及：G06F16/583；该发明授权一种基于深度卷积神经网络和局部敏感哈希算法相结合的图像检索方法是由张正卿;胡超;赖盛鑫;邬伟杰;黄家耀;朱力强设计研发完成，并于2023-07-11向国家知识产权局提交的专利申请。

本一种基于深度卷积神经网络和局部敏感哈希算法相结合的图像检索方法在说明书摘要公布了：本发明涉及图像检索ImageRetrieval技术领域，尤其为通过设计一种基于深度卷积神经网络和局部敏感哈希算法相结合的图像检索方法，其步骤具体如下：步骤S1：图像检索的开源数据集中训练集和验证集；步骤S2：训练时，模型的输入；步骤S3：测试检索排名；步骤S4：图像检索的损失函数采用对比损失函数，模型评价指标除了mAP以外，还新增mP@k，本方法通过设计一种基于深度卷积神经网络和局部敏感哈希算法相结合的图像检索方法，该算法利用深度卷积的方式提取获取gallery库和query库的图像特征，进行LSH哈希编码，大大提升了检索性能，使用孪生网络中的对比学习，大大提升了检索精度。

本发明授权一种基于深度卷积神经网络和局部敏感哈希算法相结合的图像检索方法在权利要求书中公布了：1.一种基于深度卷积神经网络和局部敏感哈希算法相结合的图像检索方法，其步骤具体如下： 步骤S1：图像检索的开源数据集中训练集和验证集采用的是retrieval-SfM-120k，测试集则采用Oxford5k、Paris6k、ROxford5k、RParis6k，如需在数据集上进行训练，则将数据格式准备为与上述数据集一致，对数据进行预处理后，图片输入大小1024*1024*3，使用深度卷积神经网络ResNet101提取RGB图像特征,涉及到图库和查询库的图像均需提取特征，其中从图库和查询库提取特征的区别是是否返回LSH编码，并且通过局部敏感哈希算法LSH对每张图片特征图进行0，1二进制编码，其中图库为gallery库，查询库为query库； 步骤S2：训练时，模型的输入：训练集中的图片通过模型变成特征向量，从中选取QSIZE，即Q-P对的个数个元组，每个元组共有，即1+1+NNUM个特征向量，分别是查询对象Q，正类P和NNUM个负类N1,N2....查询和正类是由Q-P对直接给出； 负类是Q由当前模型的在图片池中的查询结果，按照查询顺序从上到下依次选取NNUM个与q在不同簇的图片，且NNUM个图片也在不同的簇中；模型的输出：每个元组经过模型的向量特征组成的矩阵； 测试时，模型的输入：测试集中图库的图片和查询对象的图片； 测试模型的输出：查询对象的特征矩阵，即所有查询对象的特征向量组成的矩阵和图库图片特征矩阵，即图库图片所有的特征向量组成的矩阵； 步骤S3：测试检索排名：图库图片特征矩阵与查询对象特征矩阵的点乘，得到的是scores矩阵，即维度：图库图片数量*查询数量，其中第i行，第j列表示图片池中的第i个图片与第j个查询对象的相似度得分；ranks是scores的按列排序的索引值，即得分高的图片的索引排在前面，为最终的检索结果； 步骤S4：图像检索的损失函数采用对比损失函数，模型评价指标包括mAP、mP@k，其中结果列表中top-k检索结果的准确率指标，反映了图像搜索引擎的质量；匹配的图片排的越前面得分会越高，不匹配的图片越排在匹配的后面得分会越高； 所述S4中的对比损失函数，具体如下： 其中,d表示两个向量的距离；y表示两个输入是否相似，如果相似则为1，如果不相似为0；margin为阈值，当两个样本的向量距离超过一定阈值，即表示两个样本不相似； 从公式1上，如果两个输入相似，即y＝1，则式中只剩下d2； 如果两个输入相似，向量的距离越大，则损失越大；如果两个输入不相似，即y＝0，则式中为maxmargin-d,02，即当两个输入不相似时，若向量的距离大于阈值，则损失为0；若向量的距离小于阈值，且距离越小，损失越大。

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联通(上海)产业互联网有限公司，其通讯地址为：200050 上海市长宁区长宁路1033号7楼；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。