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！

龙图腾网获悉东北大学申请的专利一种基于关联指导网络的长期视觉定位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：CN119850894B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411908371.X，技术领域涉及：G06V10/22；该发明授权一种基于关联指导网络的长期视觉定位方法是由张云洲;葛发蔚;王丽;张金锦;谭延海;沈优设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种基于关联指导网络的长期视觉定位方法在说明书摘要公布了：本发明计算机视觉技术领域，公开一种基于关联指导网络的长期视觉定位方法。模型训练阶段包括感知网络训练和概念网络训练；概念网络训练完成后，概念网络作为预训练模型对感知网络进行训练，概念网络同时进行优化；关联指导机制进行信息交互；图像检索阶段，采用训练完成后的感知网络进行图像检索。该发明通过领域自适应学习及关联指导机制将概念网络中的特征用于指导感知网络中的特征学习，使模型最后训练得到的特征在环境变化下具有鲁棒性。此外，本发明使用了一种不需要额外数据构成的概念数据库用于对概念网络进行自启发的学习，以更好的对感知网络进行域特征指导，从而提高最终的图像检索性能。

本发明授权一种基于关联指导网络的长期视觉定位方法在权利要求书中公布了：1.一种基于关联指导网络的长期视觉定位方法，其特征在于，包括模型训练阶段和图像检索阶段； 所述模型训练阶段包括感知网络训练和概念网络训练；概念网络训练完成后，概念网络作为预训练模型对感知网络进行训练，概念网络同时进行优化； 分别提取所述感知网络的编码特征和概念网络的编码特征，通过关联指导机制进行信息交互，作为概念网络损失函数、感知网络损失函数的影响因素，反向更新感知网络； 所述图像检索阶段，采用训练完成后的感知网络进行图像检索；通过感知网络对需要查询的图像进行特征提取，将得到的特征和检索数据库中的图片进行特征对比，并从中找到特征最相似的一张图片并得到该图片的位姿，将该位姿赋予到查询图片从而得到查询图片的位姿； 所述概念网络为一个多域的网络结构，每个域由成对的编码器、解码器和鉴别器组成，所述概念网络的框架公式化如下所示： 其中，为图片xi在概念网络域i中的编码特征，为在概念网络域j解码的结果，为在概念网络域j中的编码特征，为图片xi在概念网络域i的重构图片结果；为概念网络域i的编码器，为概念网络域j的解码器； 在概念网络的训练过程中，通过在各自域随机提取的图片进行存储并建立各域的关联指导数据库，当积累的数据达到一定数量时激活关联指导机制；所述关联指导机制通过关联指导数据库中的数据并采用概念网络中的编码器提取相似的特征，辅助概念网络生成具有鉴别性的特征； 所述概念网络的训练包括4个损失函数，分别为ComboGAN损失函数特征一致性损失函数SAM损失函数和自适应三重特征损失函数 概念网络的整体损失函数表示如下所示： 所述ComboGAN损失函数包括对抗性损失和循环一致性损失； 定义如下所示： 编码解码过程中转换后的图像，通过编码器和解码器找出循环一致性损失，定义如下所示： 此外，翻译后的图像通过鉴别器Gj来查找对抗性损失，定义如下所示： 所述特征一致性损失函数的总体表示如下： 其中，λFCL和λCFL为超参数； 为了获得跨不同域的特征，使用了一个额外的对潜在空间的损失，对于i域中的图像xi，其表达式定义为: 为了进一步提高概念网络对潜在特征的提取，关联指导机制用于概念网络的自启发学习，其表达如下所示： 其中，pj为概念网络从关联指导数据库中联想到的图片； 域之间的特征损失定义如下所示： 所述SAM损失函数整体表示为： 其中，λSAM和λAAM为超参数； Grad-SAM损失函数，公式表示如下： 将SAM损失函数引入关联指导机制，定义如下： 其中，为概念网络从关联指导数据库联想到的图片的相似响应图；Li,m为输入图像的相似响应图； 自适应三重特征损失函数整体定义如下： 其中，mf为margin,αf为权重参数；为在i域解码后在j域编码获取的特征、为在j域编码获取的特征。

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北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三巷11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。