申请/专利权人：中国电子科技集团公司第二十八研究所

申请日：2023-12-21

公开（公告）日：2024-04-16

公开（公告）号：CN117893601A

主分类号：G06T7/73

分类号：G06T7/73;G06V10/42;G06V10/44;G06V10/74;G06N3/045;G06N3/0464;G06N3/084;G06N3/0895

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开一种基于双向分层动量对比学习的无人系统视觉定位方法，具体步骤包括：首先将两个不同视角的图像即通过神经网络模型主体进行编码；其次分别构建双向动量编码器和队列，对图片样本进行编码和存储。再次，通过动量参数更新编码器和先进先出原则更新队列；最后，采用InfoNCE损失函数进行反向传播，减少图像与正样本之间的距离，增加与负样本之间的距离，从而提升神经网络的检索性能。本发明提出的双向动量对比学习方法，可以为神经网络训练过程提供大量的负样本，同时也解决了推理时仅将某一视角作为基准可能带来的偏差。

主权项：1.一种基于双向分层动量对比学习的无人系统视觉定位方法，其特征在于，包括以下步骤：步骤1：将两种视角的图片进行预处理，分别作为神经网络模型中各自网络的输入；所述两种视角的图片，分别为第一视角图片和第二视角图片；步骤2：设计神经网络模型，用于提取图片特征，获得不同阶段的图片特征，即局部特征和全局特征；采用度量学习的训练方法对所述神经网络模型进行训练；步骤3：设计编码器用于编码图片特征，并创建2个队列，用于分别存储两种视角的图片经过编码器处理的图片特征；步骤4：将第一视角图片视为锚点Anchor作为神经网络模型的输入，第二视角图片作为编码器的输入，并将编码器输出的图片特征处理后存入相应队列中并更新队列；步骤5：将第一视角图片和第二视角图片交换作为输入的位置，重复执行步骤4；步骤6：分别采用神经网络模型输出的不同阶段的图像特征和编码器输出的与之对应阶段的图像特征进行相似度计算，得到锚点Anchor与正负样本之间的相似度；步骤7：利用得到的相似度，计算不同阶段特征的损失函数值，实现反向传播，更新所述的神经网络模型；步骤8：动量更新编码器参数，并重复上述步骤4至步骤7，完成编码器更新和神经网络模型训练；步骤9，使用训练好的神经网络模型和更新好的编码器，进行视觉定位，完成基于双向分层动量对比学习的无人系统视觉定位。

全文数据：

权利要求：

百度查询： 中国电子科技集团公司第二十八研究所 一种基于双向分层动量对比学习的无人系统视觉定位方法

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