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！

龙图腾网恭喜西安建筑科技大学申请的专利自适应注意力地标建筑图像检索方法、系统、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：CN114579793B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202210332981.4，技术领域涉及：G06F16/583；该发明授权自适应注意力地标建筑图像检索方法、系统、设备和介质是由孟月波;杨蕾;段中兴;刘光辉;赵敏华设计研发完成，并于2022-03-31向国家知识产权局提交的专利申请。

本自适应注意力地标建筑图像检索方法、系统、设备和介质在说明书摘要公布了：本发明公开了一种自适应注意力地标建筑图像检索方法、系统、设备和介质，采集自然场景下的地标建筑图像数据，构建训练数据集Tr与测试数据集Te；构造利用Transformer的自适应注意力地标建筑图像检索网络，包括Transformer图像检索骨干网络，多局部自注意模块和局部多样性正则化项；通过特征自适应定位函数、三元组损失函数和分类函数构建总损失函数，利用地标建筑检索的训练数据集Tr对地标建筑图像检索网络进行训练，获得地标建筑图像检索模型；将测试数据集Te输入地标建筑图像检索模型，得到地标建筑图像检索结果，本发明提高对地标建筑中显著局部信息的提取能力，实现地标建筑图像的精准检索，降低了对大量标签信息的依赖，减少人工成本，提高了地标图像的匹配精度。

本发明授权自适应注意力地标建筑图像检索方法、系统、设备和介质在权利要求书中公布了：1.一种自适应注意力地标建筑图像检索方法，其特征在于，具体步骤如下：S1采集自然场景下的地标建筑图像数据，构建地标建筑检索的训练数据集Tr与测试数据集Te；S2构造利用Transformer的自适应注意力地标建筑图像检索网络，包括Transformer图像检索骨干网络，多局部自注意模块和局部多样性正则化项；S3通过特征自适应定位函数、三元组损失函数和分类函数构建总损失函数，计算损失值，利用地标建筑检索的训练数据集Tr对地标建筑图像检索网络进行训练，获得地标建筑图像检索模型；S4将测试数据集Te输入地标建筑图像检索模型，得到地标建筑图像检索结果；步骤S2中，Transformer图像检索骨干网络由11个Transformer层组成，输入图像采用Transformer的自注意激活模块和被非线性激活函数GELU分隔的线性层构造初始特征空间，生成一个全局特征映射和N个初始局部特征映射fiN；步骤S2中，Transformer图像检索骨干网络后衔接多局部自注意模块，多局部自注意模块由三个独立权重的LS分支网络构成，其中每一LS分支均由一个归一化层，一个ReLu层，一个全局平均池化层以及一个softmax函数构成；步骤S2中，1将初始局部特征映射fiN送入三个独立权重的LS分支网络，每个LS分支网络对Transformer编码层输出的初始局部特征映射fiN在通道方向做归一化操作，具体表示为公式1：y＝LNh1，h2，…hN，hi＝fiN1式中：hi为初始局部特征映射的注释序列，y为归一化后的初始局部特征映射，i为训练数据集Tr中的图像；2归一化后的初始局部特征映射y经过ReLu层，经由softmax激活函数得到空间注意力权重αi向量，进一步计算αi和注释序列hi的加权和，得到显著局部特征映射具体如公式2所示： 式中，M表示LS分支数，M取1、2、3；3对显著局部特征映射使用平均值池化得到高维局部特征向量步骤S2中，局部多样性正则化项用于使最具判别力的三个显著局部特征映射分别注意到训练集Tr中地标建筑图像Ii中的最显著的差异性语义信息，得到特征自适应定位函数： 其中，[·]T表示矩阵转置，⊙表示矩阵相乘，I表示为单位化矩阵，‖·‖2表示求矩阵的范数，i为训练数据集Tr中的图像。

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西安建筑科技大学，其通讯地址为：710055 陕西省西安市碑林区雁塔路13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”。