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！

龙图腾网获悉东南大学申请的专利无监督细粒度图像哈希编码方法、存储介质及电子设备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：CN118132777B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202410300184.7，技术领域涉及：G06F16/51；该发明授权无监督细粒度图像哈希编码方法、存储介质及电子设备是由魏秀参;胡飞然设计研发完成，并于2024-03-15向国家知识产权局提交的专利申请。

本无监督细粒度图像哈希编码方法、存储介质及电子设备在说明书摘要公布了：本发明公开了无监督细粒度图像哈希编码方法、存储介质及电子设备，其中方法包括以下步骤：通过非对称的数据增强方法，改善原有对比学习方式，构建适应细粒度对象的非对称对比学习框架；引入Fisher向量构建端到端的部位级密集对比学习，捕捉和建模细粒度对象的部位级信息；构建自一致性哈希学习模块，基于编码器‑解码器结构将重构任务引入哈希学习中，学习全面的特征。本发明通过基于非对称增强的对比学习方法，通过Fisher向量和部位级密集对比学习建模图像的部位级信息，构建自一致性哈希学习模块，引导哈希学习保留完整且重要的整体图像特征信息，可以获得更高的图像检索准确率。

本发明授权无监督细粒度图像哈希编码方法、存储介质及电子设备在权利要求书中公布了：1.一种无监督细粒度图像哈希编码方法，包括以下步骤： 步骤1，通过非对称的数据增强方法，构建适应细粒度对象的非对称对比学习框架； 步骤2，引入Fisher向量构建端到端的部位级密集对比学习，捕捉和建模细粒度对象的部位级信息； 步骤3，构建自一致性哈希学习模块，基于编码器-解码器结构将重构任务引入哈希学习中； 步骤2使用高斯混合模型λ＝{ωk，μk，σk；k＝1，...，K}对卷积神经网络输出的深度特征描述子X＝{xt}，t＝1，2，...，H×W进行建模，其中ωk，μk和σk分别是第k个高斯分量的混合权重、均值向量和协方差矩阵；H和W分别是激活张量的高度和宽度；并计算每个簇对应的部位级原型， 其中，Ωk表示与第k个簇对应的深度描述符的索引集合； 随后扩展传统对比学习至部位级密集对比学习， 其中，pi，k表示Ii的第k个部件级表示，分别表示pi，k的锚定、正样本、负样本视图；是正样本视图的密集对比损失，温度超参数η被设置为0.3； 根据建模参数，计算高阶统计信息，并聚合为Fisher向量得到部位级信息； 其中，γtk代表软分配，即xt由第k个高斯生成的概率；最终的Fisher向量fFV是从所有K个聚类中的和进行拼接得到；为了得到全面的图像表示，通过两个全连接层进行对深度特征T进行聚合得到图像级信息fFC，将之与部位级信息fFV进行组合得到完整的图像表示f，用于生成哈希编码。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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”。