Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 电子科技大学王正宁获国家专利权

电子科技大学王正宁获国家专利权

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!

龙图腾网获悉电子科技大学申请的专利一种端到端旋转鲁棒的特征点检测与描述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:CN115588106B

龙图腾网通过国家知识产权局官网在2026-03-27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:202211173867.8,技术领域涉及:G06V10/44;该发明授权一种端到端旋转鲁棒的特征点检测与描述方法是由王正宁;商勇彬;彭大伟;刘旭航设计研发完成,并于2022-09-26向国家知识产权局提交的专利申请。

一种端到端旋转鲁棒的特征点检测与描述方法在说明书摘要公布了:本发明公开了一种端到端旋转鲁棒的特征点检测与描述方法,该方法在特征点位置计算基础上,加入方向解码网络,在一次前向计算中估计所有特征点所在块的方向,大大减少了存储与计算代价,为描述符的计算提供特征点的方向信息。同时,采用旋转等变卷积网络减少了方向向量的计算代价,提升了特征图的复用性。本发明将特征点检测和描述网络结合,通过检测过程来指导描述过程,通过插值方法减少稠密描述符的个数;同时采用端到端的方法,有利于增加检测与描述的耦合性,减少计算量,整个网络对于特征点检测与描述算法在实际工程的应用有很大的帮助。

本发明授权一种端到端旋转鲁棒的特征点检测与描述方法在权利要求书中公布了:1.一种端到端旋转鲁棒的特征点检测与描述方法,其特征在于,该方法包括以下步骤: S1构造训练数据集:收集一系列图片数据,构建训练数据集D,对于训练数据集D中任意一张图片,大小为,其中W、H、C分别表示训练图片的宽、高、通道数; S2构建端到端的特征点检测和描述网络,将图片输入构建的网络中,得到图片的描述符向量,其中,网络由特征点检测网络和特征点描述网络并联组成;所述步骤S2具体包括: S21构建特征点检测网络,由编码网络和解码网络级联组成,由位置解码网络和方向解码网络并联组成,编码网络是一个全卷积网络,包括个卷积组,每个卷积组由卷积层、批正则层、激活层级联组成;将图片输入编码网络,得到编码特征图,其大小为,其中、、分别表示编码特征图的宽、高、通道数; S22将编码特征图输入位置解码网络中,得到位置响应图,其大小为,其中由个卷积层级联组成,中位置处的值表示图片中位置处的特征点响应值,其中,; S23将编码特征图输入方向解码网络中,得到方向估计图,其大小为,其中由个卷积层级联组成,中位置处的值表示图片中位置处的方向估计值,其中,; S24构建特征点描述网络,由旋转等变卷积网络和选择网络级联组成,旋转等变卷积网络由个旋转等变卷积组和个旋转等变最大池化下采样层组成,其中,每个旋转等变卷积组由旋转等变卷积层、旋转等变批正则化层、旋转等变激活层级联组成;将图片输入中,输出特征图,大小为,其中,由个大小相同的子特征图组成,子特征图大小为,、、分别表示子特征图的宽、高、通道数;记的第个子特征图为,其中,子特征图相对于输入图片的空间下采样率; S25对于步骤S23得到的方向估计图,位置的值为,将步骤S24得到的特征图输入选择网络中,选择网络根据值,基于公式2计算对应F中子特征图的索引号k,选择子特征图F[k], 2 其中360表示360度,表示方向估计图中位置处值,表示向下取整;基于公式3,根据位置的坐标值,计算位置在子特征图中对应的四个位置坐标、、、; 3 其中,表示向下取整,表示子特征图相对于输入图片的空间下采样率;子特征图中位置、、、处的向量分别记为、、、,对这四个向量、、、通过公式4进行插值得到向量; 4 对向量通过公式5进行L2正则化,得到位置处的描述符向量,其大小为, 5 其中,表示向量二范数; S26对所有、分别执行步骤S25,得到描述符向量图,大小为,其中,中位置处的向量为,表示输入图片中位置处的描述符向量; S3对图片增加随机噪声,进行随机平移、旋转和颜色变化,得到增广图片,大小为,其中、、分别表示增广图片的宽、高、通道数;设单应性矩阵为图片I和增广图片间重叠区域的像素位置对应关系,表示实数域,表示所有3×3实矩阵,将增广图片输入步骤S2构建的网络中,得到位置响应图和描述符向量图,大小分别为和; S4构建网络的损失函数,损失函数由特征点位置损失和描述符损失组成: 1 其中,超参数用于平衡特征点位置损失和描述符损失的比例; S5训练特征点检测和描述网络 遍历训练数据集D中所有图片,实施步骤S2到S4,完成一轮训练;当完成预设的轮训练后,得到训练完成的特征点检测和描述网络; S6测试特征点检测和描述网络 将测试图片输入训练完成的特征点检测和描述网络,最终得到特征点集合,其中测试图片的大小为,、、分别表示测试图片的宽、高、通道数。

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电子科技大学,其通讯地址为:611731 四川省成都市高新区(西区)西源大道2006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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。