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！

龙图腾网获悉华中师范大学申请的专利一种语义知识引导的车辆重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：CN118230321B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202410281430.9，技术领域涉及：G06V20/70；该发明授权一种语义知识引导的车辆重识别方法是由陈旭;吴砥;方建设计研发完成，并于2024-03-12向国家知识产权局提交的专利申请。

本一种语义知识引导的车辆重识别方法在说明书摘要公布了：本发明属于车辆重识别领域，提供一种语义知识引导的车辆重识别方法，包括：1构建车辆图像提示文本生成网络，通过交叉熵损失训练图像编码器、文本编码器、条件编码网络，输出车辆图像的提示文本向量；2构建文本语义对齐的车辆细粒度特征提取网络，通过多粒度全局特征学习、跨模态跨粒度特征对齐，采用分类损失和交叉熵损失联合监督训练，输出车辆图像的特征向量；3利用步骤2训练完成的文本语义对齐的车辆细粒度特征提取网络，分别提取查询车辆图像和待检索车辆图像的特征，采用余弦距离进行特征相似度排序，得到检索的车辆图像结果。本发明多语义知识引导的车辆重识别方法，有效提高了车辆重识别的准确度和鲁棒性。

本发明授权一种语义知识引导的车辆重识别方法在权利要求书中公布了：1.一种语义知识引导的车辆重识别方法，其特征在于，包括以下步骤：1构建车辆图像提示文本生成网络，通过交叉熵损失训练图像编码器、文本编码器、条件编码网络，输出车辆图像的提示文本向量；具体包括以下子步骤：1-1采用预训练的CLIP模型作为文本编码器和图像编码器，输入图像后利用图像编码器提取图像特征；1-2构建实例条件编码器，将编码后的图像特征向量转变为条件向量，实例条件编码器包含两个瓶颈层，每个瓶颈层由卷积层、BatchNorm层和ReLU层构成，将条件向量与输入的提示文本向量相加，输入到文本编码器，得到一个代表视觉语义的分类权重向量；1-3训练车辆图像提示文本生成网络，冻结图像编码器和文本编码器的网络参数，计算交叉熵损失，进行反向传播来更新实例条件编码器的网络参数；2构建文本语义对齐的车辆细粒度特征提取网络，通过多粒度全局特征学习、跨模态跨粒度特征对齐，采用分类损失和交叉熵损失联合监督训练，输出车辆图像的特征向量；具体包括以下子步骤：2-1构建多粒度全局特征学习模块，该模块包括判别Token选择和多粒度全局特征学习两部分，2-1-1判别Token选择，输出的ClassToken由所有的局部Token加权得到，权重代表了局部区域特征与全局特征的相关性，具体地，计算ClassToken和所有局部Token的余弦相似度矩阵，选择相关性排在前2K的局部Token来组成新的Token序列，将其中的Token按照相关性从大到小的顺序排列；2-1-2多粒度全局特征学习，构建两个网络分支利用选择后的Token序列学习不同粒度全局特征，第一个分支输入前K个Token学习高层语义特征，第二个分支输入剩下的K个Token学习中层语义特征，每个分支由多头自注意力块、LayerNorm、多头卷积注意力块和多层感知机构成，将步骤2-1-1中选择的新Token序列分为高层序列和中层序列，并将ClassToken追加到高层序列和中层序列中，最终的车辆图像全局特征，包括低层语义特征、中层语义特征和高层语义特征；2-2跨模态跨粒度特征对齐，建立车辆图像-词、区域图像-语句的语义对齐，2-2-1跨模态跨粒度的相似度计算，分别计算整个图像与描述文本中词的相似度和图像局部区域与整个描述文本的相似度；2-2-2根据跨粒度的相似度聚合图像和描述文本最终的相似度，聚合时，采用Softmax函数为每个相似度生成不同的权重；2-3跨模态细粒度特征对齐，利用选择的前K个图像Token和文本Token进行细粒度特征对齐，2-3-1计算前K个图像Token和文本Token的余弦相似度，对每个图像文本Token选择相似度最高的前K个文本图像Token，进行平均池化得到新的特征对；2-3-2计算每个特征对的相似度来进行细粒度的特征对齐，输出细粒度相似度；2-4模型训练，采用交叉熵损失和批次内难样本损失函数来同时监督文本和图像多粒度全局特征学习，将步骤2-2-2中的跨模态跨粒度的相似度和步骤2-3-2中的跨模态细粒度相似度进行求和，采用三元组损失函数来监督求和后的跨模态相似度；3利用步骤2训练完成的文本语义对齐的车辆细粒度特征提取网络，分别提取查询车辆图像和待检索车辆图像的特征，采用余弦距离进行特征相似度排序，得到检索车辆的结果；具体包括以下子步骤：3-1将所有待检索的车辆图像输入到步骤2中训练好的文本语义对齐的车辆细粒度特征提取网络中得到所有图像的特征向量，将查询车辆图像输入到步骤2中训练好的文本语义对齐的车辆细粒度特征提取网络中得到查询图像的特征向量；3-2计算查询车辆图像特征和所有待检索车辆图像特征的余弦距离，按余弦距离从大到小进行排序，得到查询车辆的检索结果。

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华中师范大学，其通讯地址为：430079 湖北省武汉市洪山区珞喻路152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”。