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！

龙图腾网获悉南京理工大学申请的专利一种在大规模细粒度图像检索中分段学习不同层次信息的哈希编码的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：CN115329110B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211037705.1，技术领域涉及：G06F16/51；该发明授权一种在大规模细粒度图像检索中分段学习不同层次信息的哈希编码的方法是由魏秀参;沈阳;孙旭豪设计研发完成，并于2022-08-28向国家知识产权局提交的专利申请。

本一种在大规模细粒度图像检索中分段学习不同层次信息的哈希编码的方法在说明书摘要公布了：本发明公开了一种在大规模细粒度图像检索中分段学习不同层次信息的哈希编码的方法，包括：通过分段式的卷积神经网络分段提取图像的全局特征信息与部件特征信息；挖掘图像中的潜在部件特征信息与不同部件中的关联信息；提出通道自变化机制，将通道切片作为模型输入的基本单元并映射到连续的向量空间，挖掘细粒度对象各部位的关联信息；通过提取到的图像的全局特征信息与部件特征信息，分段映射为哈希编码。本发明通过特征分离与编码分离，使得不同部分的哈希编码具有独立的实际含义；通过“抑制—增强”注意力模块与通道自变化机制，进一步抓取这些独立编码间的联系，以此获取更高的图像检索准确率与更快的图像检索速率。

本发明授权一种在大规模细粒度图像检索中分段学习不同层次信息的哈希编码的方法在权利要求书中公布了：1.一种在大规模细粒度图像检索中分段学习不同层次信息的哈希编码的方法，其特征在于，包括以下步骤： 步骤1，通过分段式的卷积神经网络分段提取图像的全局特征信息与部件特征信息，具体为： 通过卷积神经网络提取输入图像的浅层激活特征： 其中，C、H与W代表浅层激活特征向量T的通道数、高度与宽度，ΦCNN代表预训练卷积神经网络；在激活特征向量T的基础上，全局变换分支网络φ·用于提取图像的全局特征向量： 其中，θglobal代表全局变换分支网络φ·的参数，C′、H′与W′代表全局特征向量的通道数、高度与宽度；局部特征提取分支网络φ′·中包含m个注意力引导向量其中c代表这些向量的通道数，它们的高度H与宽度W的值与浅层激活特征向量T的高度和宽度相同；对于每个注意力引导向量Pi，将通过一个由1×1卷积层与激活层组成的网络以得到一个激活图Mi： 其中，H与W代表激活图Mi的高度与宽度，其值与浅层激活特征向量T的高度与宽度相同；对于每一张激活图Mi，将其作用于激活特征向量T以得到不同部件的激活特征T′i： 其中，⊙代表矩阵的哈达玛积；而后，局部特征提取分支网络φ′·通过这些不同部件的激活特征T′i生成图像中不同部件的特征向量 其中，θlocal代表局部特征提取分支网络φ′·的参数，C′、H′与W′代表的通道数、高度与宽度，其在数值上与的通道数、高度与宽度完全相同；通过对与m个进行全局平均池化后得到图像的整体物件特征xglobal与m个部件级特征 步骤2，在步骤1的基础上，通过构建“抑制—增强”注意力模块，挖掘图像中的潜在部件特征信息与不同部件中的关联信息； 步骤3，在步骤1的基础上，提出通道自变化机制，将通道切片作为模型输入的基本单元并映射到连续的向量空间，挖掘细粒度对象各部位的关联信息； 步骤4，通过提取到的图像的全局特征信息与部件特征信息，分段映射为哈希编码。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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。