申请/专利权人：华中科技大学

申请日：2023-12-31

公开（公告）日：2024-04-02

公开（公告）号：CN117809051A

主分类号：G06V10/44

分类号：G06V10/44;G06V10/52;G06V10/75;G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开了一种基于匹配任务的多层图像特征提取及其模型训练方法。本发明为了解决目前特征提取方法存在的问题，提出了一个多层图像特征提取模型，在面临不同的匹配任务时，选择不同的特征提取层，在连续帧图像匹配时，充分利用其连续性，提升匹配效率。在图像条件变化较大时，对提取的特征进行多尺度融合并计算先验匹配信息以指导匹配，从而提升匹配正确率。

主权项：1.一种基于匹配任务的多层图像特征提取模型训练方法，其特征在于，所述方法包括：构建多层图像特征提取模型从图像中提取多层特征，随后利用损失函数训练所述模型；所述模型包括三层网络：将图像增强操作前后的图像和图像增强矩阵参数输入进入第一层网络，经过两次卷积以及每次卷积之后的激活后得到卷积特征图，卷积特征图经过解码得到特征图和得分图；卷积特征图进入第二层网络，依次经过三个卷积激活块，每个卷积激活块中包括两次卷积以及每次卷积之后的激活，三个卷积激活块输出三种尺度的第一卷积图，将三种尺度的第一卷积图进行上采样和卷积后与所述卷积特征图进行拼接，得到稠密描述子图；所述稠密描述子图经过降采样后进入第三层网络，依次经过三个卷积激活块，每个卷积激活块中包括两次卷积以及每次卷积之后的激活，三个卷积激活块输出三种尺度的第二卷积图，将三种尺度的第二卷积图进行上采样和卷积后与所述降采样后的稠密描述子图进行拼接，得到低分辨率稠密描述子图。

全文数据：

权利要求：

百度查询： 华中科技大学 一种基于匹配任务的多层图像特征提取及其模型训练方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD