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！

龙图腾网获悉中电信数智科技有限公司;北京邮电大学申请的专利一种基于多任务学习的车辆检索方法、装置、设备和介质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：CN116501909B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202310607631.9，技术领域涉及：G06F16/583；该发明授权一种基于多任务学习的车辆检索方法、装置、设备和介质是由王彦君;韩艺;郭彩丽;杨洋;刘芳芳设计研发完成，并于2023-05-26向国家知识产权局提交的专利申请。

本一种基于多任务学习的车辆检索方法、装置、设备和介质在说明书摘要公布了：本申请提出一种基于多任务学习的车辆检索方法，包括如下步骤：获取包含车辆图像标注信息的训练数据集合、验证数据集合和测试数据集合，将所述训练数据集合的数据按照图像序号输入基于多任务学习的初始车辆检索模型中以训练得到车辆检索模型；将所述验证数据集合中的数据输入训练后的车辆检索模型，得到初步排序结果；采用多任务检索策略对所述初步排序结果进行重排序，得到最终排序结果。本申请通过多任务学习的方式指导车辆图像特征的提取，设计相机视角检索、车辆朝向检索作为辅助任务，消除检索时背景及视角不同带来的偏差，从而有效解决相机视角、车辆朝向变换导致的问题，以实现强可解释性、高效率、高检索精度的车辆检索。

本发明授权一种基于多任务学习的车辆检索方法、装置、设备和介质在权利要求书中公布了：1.一种基于多任务学习的车辆检索方法，其特征在于，包括如下步骤： 获取包含车辆图像标注信息的训练数据集合、验证数据集合和测试数据集合，各数据集合中的数据保存在以图像序号为查询键，以包含图像张量、车辆ID、车辆朝向以及相机视角的元组为值的字典文件中； 将所述训练数据集合的数据按照图像序号输入基于多任务学习的初始车辆检索模型中以训练得到车辆检索模型； 将所述验证数据集合中的数据输入训练后的车辆检索模型，得到初步排序结果； 采用多任务检索策略对所述初步排序结果进行重排序，得到最终排序结果； 其中，所述字典文件的文件名至少包含图像序列号； 其中，所述车辆检索模型包括：全局特征提取模型和多任务学习支路； 所述全局特征提取模型用于获取图像特征向量其中n表示图像个数，i为正整数，fi表示图像特征向量f的第i个元素； 所述多任务学习支路包括车辆检索支路、相机视角检索支路和车辆朝向检索支路， 所述车辆检索支路用于将所述图像特征向量映射为对应的车辆特征向量并根据所述车辆特征向量V计算相似度其中，SvVi,Vj表示车辆特征向量Vi,Vj之间的余弦相似度，j为正整数，Vi、Vj分别表示车辆特征向量V的第i个和第j个元素； 所述相机视角检索支路用于将所述图像特征向量映射为相机视角特征向量并根据所述相机视角特征向量C计算相似度其中，Ci、Cj分别表示相机视角特征向量C的第i个和第j个元素，SCCi,Cj表示相机视角特征向量Ci,Cj之间的余弦相似度； 所述车辆朝向检索支路用于将所述图像特征向量映射为车辆朝向特征向量并根据所述车辆朝向O特征向量计算相似度其中，Oi、Oj分别表示车辆朝向向量O的第i个和第j个元素，SOOi，Oj表示车辆朝向特征向量Oi,Oj之间的余弦相似度； 其中，所述多任务检索策略包括： 根据所述车辆特征向量所述相机视角特征向量所述车辆朝向特征向量分别计算车辆特征相似度矩阵Sv、相机视角相似度矩阵SC、车辆朝向相似度矩阵SO，所述相似度矩阵的计算公式如下： 其中，f表示图像特征向量，i，j为正整数，fi、fj分别表示图像特征向量f的第i个和第j个元素，Si,j表示相似度矩阵中坐标为i,j的相似度矩阵的元素的值； 根据各特征相似度矩阵得到最终的相似度矩阵 其中，S表示最终的相似度矩阵，ω＝0.025，为预定的超参数，分别表示相机视角相似度矩阵SC、车辆朝向相似度矩阵SO的权重占比。

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中电信数智科技有限公司;北京邮电大学，其通讯地址为：100036 北京市海淀区复兴路33号13层东塔13层1308室；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。