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！

龙图腾网获悉江南大学申请的专利一种基于多任务学习的织物图像检索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：CN112256895B 。

龙图腾网通过国家知识产权局官网在2024-07-19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：202011108362.4，技术领域涉及：G06F16/51；该发明授权一种基于多任务学习的织物图像检索方法是由潘如如;向军;张宁;周建;高卫东;王蕾设计研发完成，并于2020-10-16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织物图像检索方法在说明书摘要公布了：本发明公开了基于多任务学习的织物图像检索方法，包括步骤：1使用光源稳定和固定的分辨率采集清晰织物图像；2对采集的部分织物图像按照设计的知识体系进行人工标注以建立用于训练多任务学习模型的数据集；3搭建参数硬共享的多任务学习模型，不同任务损失之间使用同态不确定损失进行加权，从而进行反向传播；4提取所有织物图像的高维特征；使用提取的部分高维特征训练深度哈希编码模型；使用训练好的编码模型对提取的所有高维特征进行编码，并和对应的图片链接地址一起存储在数据库中；搭建织物图像检索系统。本发明使用于品种繁多、数据规模大的织物数据库，用户可以根据需求调节特征权重从而查找更多符合需求的织物，有很好的应用前景。

本发明授权一种基于多任务学习的织物图像检索方法在权利要求书中公布了：1.一种基于多任务学习的织物图像检索方法，其特征在于，包括以下步骤：S1：采用稳定的图像采集设备采集织物的清晰图像，固定光源和拍摄分辨率，推荐使用扫描仪；S2：从粗纹理、细纹理、风格和花纹成型方式四个维度分别标注采集的图像以构建训练图像表征模型的数据集；S3：用参数硬共享的方法搭建多任务学习的卷积神经网络框架；S4：在构建的织物图像数据集训练多任务织物表征模型并提取高维特征；S5：使用部分步骤4提取的高维特征训练深度哈希网络模型；S6：使用深度哈希网络对提取的高阶特征进行编码，并将提取的哈希编码存储在数据库中；S7：搭建织物图像检索系统；所述S3中，多任务学习的卷积神经网络框架的主体网络采用Resnet，每个分支任务采用全连接，整个网络的损失函数采用同态不确定损失，如下式所示； 其中，W表示设计的多任务学习深度网络的权重和偏置，σ1,σ2,σ3,σ4表示各个任务损失函数的权重参数，这四个参数是可以训练的，即学习得到，L1,L2,L3,L4分别表示每个任务对应的Softmax损失函数；所述的深度哈希网络为一个5层的全连接神经网络，激活函数均使用Relu，表示为： 所述深度哈希网络最终的输出将由如下函数转换为二值编码： 深度哈希网络的哈希算法为一个无监督的方法，即不需要使用标注数据引导训练，而是根据设计的损失函数自行学习得到的，设计的损失函数如下式所示： 其中W和c分别表示需要优化的深度哈希网络的权重和偏置，L0表示生成的二值编码B和哈希网络的最后一层输出H5之间的量化损失，L1旨在最大化提高生成的二值编码之间的方差，以平衡不同编码，L2的作用是对每个映射矩阵W添加正交约束，以最大化每个映射之间的独立性，I为正交矩阵，L3是控制深度哈希网络第五层权重参数W5和偏置参数c5规模的正则化器，深度哈希网络的优化方法使用随机梯度下降算法，最终输出一串二进制编码，即哈希码。

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江南大学，其通讯地址为：214122 江苏省无锡市蠡湖大道1800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”。