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！

龙图腾网获悉合肥工业大学申请的专利一种基于外部记忆的注意力权重分配的图像相似度匹配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：CN118674948B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202410770987.9，技术领域涉及：G06V10/74；该发明授权一种基于外部记忆的注意力权重分配的图像相似度匹配方法是由王希临;高欣健;洪致远;任梦妍;王昕;高隽设计研发完成，并于2024-06-14向国家知识产权局提交的专利申请。

本一种基于外部记忆的注意力权重分配的图像相似度匹配方法在说明书摘要公布了：本发明公开了一种基于外部记忆的注意力权重分配的图像相似度匹配方法，包括：1获取图像数据集的图像原始特征；2将图像原始特征替换为表示学习的结果，得到其高层表示；3对输入样本进行简单的相似度计算，获得其外部初始记忆；4构建两个外部选择模型来分配外部记忆选择权重，包括外部样本选择模型和外部关系选择模型；5通过选择优化和全局优化两种训练方法对外部选择模型进行优化训练，得到最佳训练模型；6利用训练好的外部选择模型对输入样本进行检测，得到外部记忆选择权重最高的图像对，作为最相似的图像对。本发明能提高相似度学习效果，从而能获得全局最相似的图像，使得图像匹配结果具有更好的可解释性。

本发明授权一种基于外部记忆的注意力权重分配的图像相似度匹配方法在权利要求书中公布了：1.一种基于外部记忆的注意力权重分配的图像相似度匹配方法，其特征在于，是按如下步骤进行： 步骤1：获取一个含有m个样本的图像数据集其中，xp表示第p个样本；m表示数据集中样本数量； 使用卷积神经网络对图像数据集中第p个样本xp进行特征提取，得到特征维数为k的第p个样本的高层特征表示Φp＝Φxp,ω，其中，ω为卷积神经网络中待学习的参数集合； 步骤2：获取n个维度为k的关系向量其中，ay表示第y个关系向量；n表示关系向量数量； 步骤3：利用式1构建第p个样本xp和第q个样本xq在第y个关系向量ay下的相似度作为外部初始记忆： 式1中，sig表示sigmoid函数；T表示转置；Φq为第q个样本xq经过卷积神经网络处理的高层特征表示； 步骤4：构建两个外部选择模型，包括：外部样本选择模型和外部关系选择模型，用于对外部记忆选择权重进行分配，得到外部样本记忆选择权值和外部关系记忆选择权值； 步骤4.1：外部样本选择模型利用式2计算在第y个关系向量ay下第p个样本xp的第i个近邻样本和第q个样本xq的第j个近邻样本的外部样本记忆选择权值 式2中，表示在第y个关系向量ay下第p个样本xp的第i个近邻样本和第q个样本xq的第j个近邻样本与第p个样本和第q个样本的相似度差值，由式3得到； 式3中，softplus表示Softplus函数；Φpi表示第p个样本xp的第i个近邻样本，Φqj表示第q个样本xq的第j个近邻样本； 步骤4.2：外部关系选择模型利用式4计算在第y个关系向量ay下第p个样本xp和第q个输入样本xq之间的外部关系记忆选择权值αypq： 式4中，exp表示指数函数； 步骤5：通过选择优化法和全局优化法对外部选择模型进行优化，并构建损失函数L来衡量各外部选择模型的输出与实际标签之间的差异，以得到最佳的外部选择模型； 步骤6：设定第p个样本xp为索引样本，第q个样本xq为测试样本；利用训练好的最佳外部选择模型对索引样本和测试样本进行检测，得到索引样本及其近邻样本和测试样本及其近邻样本在各种关系向量下组成的图像对及其对应的外部记忆选择权重，随后按照外部记忆选择权值的大小进行排序，从而得到外部记忆选择权值最高的图像对，并作为最相似的图像对。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。