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！

龙图腾网获悉南京理工大学申请的专利一种基于DINOv2的寄存器辅助聚合视觉位置识别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：CN119942161B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202411867470.8，技术领域涉及：G06V10/762；该发明授权一种基于DINOv2的寄存器辅助聚合视觉位置识别方法是由俞轩;付振勇设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本一种基于DINOv2的寄存器辅助聚合视觉位置识别方法在说明书摘要公布了：本发明公开了一种基于DINOv2的寄存器辅助聚合视觉位置识别方法，包括以下步骤：步骤1、收集数据集中的街景图像，组成训练样本和测试样本，并预处理所述训练样本和所述测试样本；步骤2、根据DINOv2网络构建包含多尺度特征融合模块的神经网络；将预处理后的训练样本放入初始模型，并经过所述神经网络获得多尺度特征，同时得到局部描述符；步骤3、训练所述神经网络，优化所述神经网络参数，得到训练后的模型；步骤4、将所述测试样本中的测试图像输入所述训练后的模型，得到与所述测试样本匹配的验证图像，并输出召回率。本发明增强了不同分辨率下特征的表示能力，提高了全局描述符的鲁棒性，提高了位置检索的准确度。

本发明授权一种基于DINOv2的寄存器辅助聚合视觉位置识别方法在权利要求书中公布了：1.一种基于DINOv2的寄存器辅助聚合视觉位置识别方法，其特征在于，包括以下步骤： 步骤1、收集数据集中的街景图像，组成训练样本和测试样本，并预处理所述训练样本和所述测试样本； 步骤2、根据DINOv2网络构建包含多尺度特征融合模块的神经网络；将预处理后的训练样本放入初始模型，并经过所述神经网络获得多尺度特征，同时得到局部描述符； 2-1、在DINOv2网络后四层注意力层中加入多尺度特征融合模块构建神经网络，将所述多尺度特征融合模块与所述DINOv2网络后四层注意力层中的多层感知器并行连接； 2-2、将所述预处理后的训练样本输入所述神经网络中，经过所述后四层的尾部，得到特征X′n： X′n＝MHALNXn-1+Xn-1； 其中，MHA是注意力层中的多头自注意力机制，LN是层归一化方法，Xn-1是前一注意力层得到的特征，n是注意力层的数量； 对所述特征X′n经过下采样到维度的12倍，并经过激活函数ReLU，得到降维并激活的特征X′n； 2-3、所述降维并激活的特征X′n经过1×1的卷积层得到中间特征； 2-4、所述中间特征分别经过1×1、3×3、5×5的卷积层，分别得到1×1尺度、3×3尺度、5×5尺度的特征； 2-5、将所述1×1尺度、3×3尺度、5×5尺度的特征再经过1×1的卷积层，改变所述中间特征的通道数，得到改变通道数的特征； 2-6、所述改变通道数的特征经过上采样，恢复至原始维度后，得到带有多尺度特征的局部描述符Xn： Xn＝MLPLNX′n+s·MFFLNX′n+X′n； 其中，MLP是多层感知器，LN是层归一化方法，MFF是多层特征融合模块，s是缩放因子，n是注意力层的数量； 同时得到全局令牌； 步骤3、对所述带有多尺度特征的局部描述符，利用最优传输算法聚类局部描述符和寄存器辅助聚合全局描述符，训练所述神经网络，优化所述神经网络参数，得到训练后的模型； 步骤4、将所述测试样本中的测试图像输入所述训练后的模型，得到与所述测试样本匹配的验证图像，并输出召回率。

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理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫街道200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。