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！

龙图腾网获悉南京视察者智能科技有限公司申请的专利一种图像重识别特征强化的方法及装置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：CN115797713B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202211367215.8，技术领域涉及：G06V10/77；该发明授权一种图像重识别特征强化的方法及装置是由王乾宇;周金明设计研发完成，并于2022-11-02向国家知识产权局提交的专利申请。

本一种图像重识别特征强化的方法及装置在说明书摘要公布了：本发明公开了一种图像重识别特征强化的方法及装置，该方法包括步骤1，构建模型：1骨干网络层：骨干网络使用hrnet来提取特征；2特征表示层：在图像经过骨干网络层后得到初步的特征，接着flatten操作3特征加强层：将经过骨干网络层、特征表示层得到的特征表示矩阵M，送入两层特征强化层加强特征，步骤2，模型训练；步骤3，预测图像是否在底库中。通过采用特征加强层，将底库图像与要查询的图像一起组成批输入达到加强特征的目的，使得特征在底库中更具有区分度。使用特征加强层根据一个batch的特征去加强每个特征，来提高该batch特征间的区分度。将底库与查询图像一起加强来提高识别的准确率和召回率。

本发明授权一种图像重识别特征强化的方法及装置在权利要求书中公布了：1.一种图像重识别特征强化的方法，其特征在于，该方法主要包括如下步骤： 步骤1，构建模型； 骨干网络层：骨干网络使用hrnet来提取特征； 特征表示层： 在图像经过骨干网络层后得到初步的特征，接着flatten操作，再使用一个全连接层，全连接层的输出维度K为最终的特征维度，得到最终的图像特征表示向量F：F∈RK； 特征加强层： 将一个大小为N的batch中的图像，经过骨干网络层、特征表示层后，得到了特征表示矩阵M∈RN*K，其中M的每一行作为一个特征表示向量，接着将M进行转置操作，M的每一列可以视为特征表示向量的一个分量采样向量，接着将M送入两层特征强化层加强特征，特征强化层计算方法如下： L＝concatH1，H2，...，Hi...，HmWO； 其中m为加强层的宽度，WiQ,WiK,WiV,WO为可学习的权重矩阵，i＝1,2,3,…,m，dk为常量，在经过QiKiT之后，将M中两两特征分量采样向量进行内积，即每个分量融合了其它分量的信息，再将融合后的权重返回到Vi中加强对应的分量，得到新的特征，其中特征中的每个分量都被强化过了，排除了很相近的特征分量的信息，来最大程度区分不同的目标，最终得到特征矩阵L； 步骤2，模型训练； 训练时损失函数Loss，计算方法如下： 其中WC为可学习权重矩阵，WxC为矩阵WC的第x行，LyT为矩阵L的第y列；yi表示第i个样本的真实类别，cosθx,y表示类别x与第y个样本的夹角的余弦值，a为间隔超参数，s为特征超球体半径； 步骤3，预测图像是否在底库中； 在使用步骤2训练好模型后，将所有底库图像和查询图像放到一起组成一个大小为B的batch； 如果BN，则使用全黑的图像填充直到B＝N，对batch使用步骤1-2提取特征后得到特征矩阵L，计算相似度矩阵S：S＝LL’； 寻找最高相似度smax和对应的底库l： l,smax＝argmaxS[end,1:end-1]； 其中S[end,1:end-1]表示矩阵S的最后一行的前end-1元素组成的向量； 如果smax大于阈值则输出底库l，否则输出匹配失败； 如果N＝B2N，则先取前N-1张底库与查询图像组成batch，进行对比，之后将前B-N-1张相似度最低的底库替换成底库N到B，再次进行对比，如果两次对比最高的相似度大于阈值则输出对应的底库，否则输出匹配失败； 如果B＝2N，将底库等分为2BN-1块，每次取其中的两块加上查询图片组成batch，不足的使用全黑图像填充，直到任意两块都在一起匹配过了，在这些匹配里面的最高相似度如果大于阈值则返回对应的底库，否则返回匹配失败。

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视察者智能科技有限公司，其通讯地址为：210014 江苏省南京市秦淮区永智路6号南京白下高新技术产业开发区四号楼A栋102室；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。