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！

龙图腾网获悉杭州电子科技大学申请的专利基于局部特征强化和重排序的图像检索方法、介质及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：CN119027694B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202410979619.5，技术领域涉及：G06V10/74；该发明授权基于局部特征强化和重排序的图像检索方法、介质及设备是由姚金良;陈捷丰设计研发完成，并于2024-07-22向国家知识产权局提交的专利申请。

本基于局部特征强化和重排序的图像检索方法、介质及设备在说明书摘要公布了：本发明公开一种基于局部特征强化和重排序的图像检索方法、介质及设备。本发明构建特征提取模型，通过引入一种局部特征强化编码器，提取了特征图中感兴趣区域的局部几何结构信息，使感兴趣区域中的特征得到更高的权重，降低非重要区域对全局特征的干扰，使得编码器更能准确提取图像中的重要内容。本发明引入一种特征融合模块，通过特征融合得到兼顾局部和全局的融合特征图。加入重排序技术，使模型可以根据图像库的信息更新查询图像和图像库图像的特征向量，使查询图像特征向量与图像库特征向量更为适配，提升了检索结果的准确率。本发明在ROxford5K数据集、RParis6K数据集和Revisitop1m数据集上进行了训练及评估，相较于以往方法，本发明有更好的效果。

本发明授权基于局部特征强化和重排序的图像检索方法、介质及设备在权利要求书中公布了：1.一种基于局部特征强化和重排序的图像检索方法，其特征在于，包括： S1、获取分辨率大小统一且已按类别分组的图像，作为神经网络的训练数据； S2、将特征提取模型与分类器级联，利用所述训练数据以图像分类任务训练特征提取模型；所述特征提取模型由骨干网络、局部特征强化编码器、特征融合模块和全局池化模块组成，模型的输入图像首先经过骨干网络提取初始特征图，再经过局部特征强化编码器将初始特征图中每个像素的特征扩充为以该像素为中心的区域对应的局部特征图，所有局部特征图各自被压缩成一个特征向量后再重新按照中心像素原始的空间位置关系组合为一个强化局部特征图，然后由特征融合模块将初始特征图与强化局部特征图进行线性融合，得到的融合特征图经过全局池化模块后得到全局特征； S3、利用训练后的特征提取模型对查询图像和图像索引库中的每张图像库图像分别进行特征提取，每张图像提取得到对应的全局特征； S4、将查询图像和图像索引库中的每张图像库图像分别作为被检索图像，由图像检索模型基于图像的全局特征计算图像之间的相似度，从图像索引库中检索到相似度最高的若干张图像库图像构成被检索图像的相似图像集合；再采用基于查询扩展和数据库增强的重排序方法，将各相似图像集合中所有图像的全局特征融合更新至对应的被检索图像自身的全局特征中，最后由图像检索模型基于融合更新后的全局特征在图像索引库中重新检索查询图像的相似图像，得到最终检索结果； 所述S4中，采用基于查询扩展和数据库增强的重排序方法获得最终检索结果的过程如下： S41、将查询图像输入图像检索模型中，基于图像的全局特征计算图像之间的相似度，从图像索引库中检索到相似度最高的若干张图像库图像，构成查询图像的第一相似图像集合； S42、将图像索引库中的每张图像库图像输入图像检索模型中，基于图像的全局特征计算图像之间的相似度，从图像索引库中检索到相似度最高的包含自身在内的若干张图像库图像，构成每张图像库图像的第二相似图像集合； S43、针对第一相似图像集合中的所有相似图像，以各自与查询图像之间的归一化相似度为权重，将所有图像的全局特征进行加权融合并将融合特征叠加至查询图像的全局特征中，实现更新查询图像的全局特征； S44、针对图像索引库中的每张图像库图像，将各自的第二相似图像集合中所有相似图像的全局特征进行加权融合，加权权值为各相似图像与当前图像库图像之间的归一化相似度，融合特征作为当前图像库图像更新后的全局特征； S45、由图像检索模型重新计算查询图像更新后的全局特征与图像索引库中每张图像库图像更新后的全局特征之间的相似度，返回相似度最高的若干张图像库图像作为最终检索结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。