買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜西安交通大學申請的專利一種基于深度學習的特征點檢測與描述子生成方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114972937B 。

龍圖騰網通過國家知識產權局官網在2025-04-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210024765.3，技術領域涉及：G06V10/80；該發明授權一種基于深度學習的特征點檢測與描述子生成方法是由任鵬舉;宋翔;丁焱;景鑫;焦崇珊;毛藝鈞;于航設計研發完成，并于2022-01-11向國家知識產權局提交的專利申請。

本一種基于深度學習的特征點檢測與描述子生成方法在說明書摘要公布了：一種基于深度學習的特征點檢測與描述子生成方法，包括如下步驟：S100：構建新的卷積神經網絡；S200：利用所述新的卷積神經網絡預測輸入圖像的特征點并且生成描述子向量；其中，所述新的卷積神經網絡結構由兩部分組成，第一部分為編碼器，用于輸入圖像的特征編碼；第二部分為3個解碼器，第一個解碼器生成描述子特征圖，第二個解碼器生成特征點的獨特性特征圖，第三個解碼器由不同層的神經網絡特征拼接作為輸入生成準確度特征圖。本方法生成的特征點具有更高的定位精度和獨特性，有助于提高特征點匹配的性能以及后續任務的精度。

本發明授權一種基于深度學習的特征點檢測與描述子生成方法在權利要求書中公布了：1.一種基于深度學習的特征點檢測與描述子生成方法，包括如下步驟：S100：構建新的卷積神經網絡；S200：利用所述新的卷積神經網絡預測輸入圖像的特征點并且生成描述子向量；其中，所述新的卷積神經網絡結構由兩部分組成，第一部分為編碼器，用于輸入圖像的特征編碼；第二部分為3個解碼器，第一個解碼器生成描述子特征圖，第二個解碼器生成特征點的獨特性特征圖，第三個解碼器由不同層的神經網絡特征拼接作為輸入生成準確度特征圖；其中，通過多層特征融合將淺層特征引入檢測器，并將淺層特征引入到損失函數中；所述由不同層的神經網絡特征拼接作為輸入具體是指：由編碼器的第一層、第二層、第三層和第九層特征拼接作為輸入；采用深淺層特征損失函數來訓練所述準確度特征圖；所述深淺層特征損失函數為： ;其中，表示準確度特征圖，表示底層特征，為一組部分重疊的圖像，和表示從和中提取的扁平的特征，表示與之間的余弦相似度，N為整數；采用獨特性損失函數來訓練所述獨特性特征圖；所述獨特性損失函數為： ;其中，I和I'表示一對匹配的輸入圖像,x為輸入圖像I的像素點，Dx為像素點x的獨特性響應，K為像素點的數量；為利用描述子計算的獨特性指標。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西安交通大學，其通訊地址為：710049 陜西省西安市咸寧西路28號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。