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！

龙图腾网获悉杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院)申请的专利图像识别方法、设备及存储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：CN121505453B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202610027379.8，技术领域涉及：G06V20/10；该发明授权图像识别方法、设备及存储介质是由胡庆雷;杨明慧;卢俊言;李昕海;刘奎男设计研发完成，并于2026-01-09向国家知识产权局提交的专利申请。

本图像识别方法、设备及存储介质在说明书摘要公布了：本申请公开了一种图像识别方法、设备及存储介质，属于舰船图像识别领域。方法包括：根据待识别舰船图像以及预设舰船图像数据集，获取第一模态特征以及第二模态特征；基于跨模态特征对齐层，确定对应的第一模态对齐特征向量以及第二模态对齐特征向量；确定待识别舰船图像的查询识别结果；基于特征融合层，生成符合舰船结构特点的融合模态特征。本申请针对待识别图像进行特征对齐与身份适配，不依赖图像预处理模块即可直接适配SAR模态以及光学模态舰船图像的识别，提升针对复杂海域场景的适配性，同时利用模态融合特征，提高特征融合效果，并训练跨模态特征对齐层以协同实现精确身份判别以及高特征对齐精度，提升舰船图像识别匹配的准确率。

本发明授权图像识别方法、设备及存储介质在权利要求书中公布了：1.一种图像识别方法，用于针对舰船进行重识别，其特征在于，所述方法基于预先训练的图像识别模型，所述图像识别模型包括跨模态特征对齐层，所述方法包括： 根据待识别舰船图像以及预设舰船图像数据集，获取所述待识别舰船图像的第一模态特征以及所述预设舰船图像数据集的第二模态特征，其中所述第一模态特征对应第一成像模态，所述第二模态特征对应第二成像模态，所述第一模态特征以及所述第二模态特征为token信息序列； 基于所述跨模态特征对齐层，根据所述第一模态特征，确定对应的第一模态对齐特征向量，并根据所述第二模态特征，确定对应的第二模态对齐特征向量； 根据所述第一模态对齐特征向量以及所述第二模态对齐特征向量的匹配程度，确定所述待识别舰船图像的查询识别结果； 所述图像识别模型还包括特征融合层，所述图像识别方法还包括： 基于所述特征融合层，根据第一训练数据集以及第二训练数据集分别对应的原始模态特征执行融合，生成符合舰船结构特点的融合模态特征，以训练优化所述跨模态特征对齐层，其中所述第一训练数据集以及所述第二训练数据集具有不同的成像模态，所述融合模态特征对应融合成像模态； 训练所述图像识别模型的方法包括如下步骤： 基于所述特征融合层，根据所述第一训练数据集以及所述第二训练数据集确定所述原始模态特征以及所述融合模态特征，其中所述原始模态特征包括所述第一成像模态对应的第一原始模态特征以及所述第二成像模态对应的第二原始模态特征； 根据所述第一原始模态特征、所述第二原始模态特征以及所述融合模态特征，训练优化所述特征融合层的运行参数，以使所述融合模态特征兼具所述第一成像模态以及所述第二成像模态的特性； 根据第三训练数据集，基于舰船身份信息划分得到多个数据组，其中所述第三训练数据集至少包括所述舰船身份信息； 针对每个数据组，确定第一身份损失、第二身份损失以及融合身份损失，以优化所述跨模态特征对齐层的身份分类损失，其中所述第一身份损失对应所述第一成像模态所对应的所述第一原始模态特征，所述第二身份损失对应所述第二成像模态所对应的所述第二原始模态特征，所述融合身份损失对应所述融合成像模态所对应的所述融合模态特征； 针对每个数据组中的同一所述舰船身份信息对应的数据，确定三向中心约束损失以及全局中心约束损失； 根据所述身份分类损失、所述三向中心约束损失以及所述全局中心约束损失，确定第二损失函数，以训练优化所述跨模态特征对齐层的运行参数； 所述三向中心约束损失公式为：所述全局中心约束损失函数的公式为：其中为第p个舰船身份信息在RGB模态下的特征中心，为第p个舰船身份信息在SAR模态下的特征中心，为第p个舰船身份信息在SMF融合模态下的特征中心，j为不同于p的另一个舰船身份信息，为欧氏距离，为预定义的间隔参数； 对于第p个舰船身份的所有K个样本图像的特征，对应的、以及的公式为：其中为第p个舰船身份下第k个样本图像的RGB原始模态特征，为第p个舰船身份下第k个样本图像的SAR原始模态特征，为第p个舰船身份下第k个样本图像的SMF融合模态特征。

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杭州市北京航空航天大学国际创新研究院(北京航空航天大学国际创新学院)，其通讯地址为：311115 浙江省杭州市余杭区瓶窑镇双红桥街166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。