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！

龙图腾网恭喜中国科学技术大学申请的专利非对称图像检索方法、系统、设备及存储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：CN114969422B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202210676297.8，技术领域涉及：G06F16/583；该发明授权非对称图像检索方法、系统、设备及存储介质是由周文罡;李厚强;吴晖设计研发完成，并于2022-06-15向国家知识产权局提交的专利申请。

本非对称图像检索方法、系统、设备及存储介质在说明书摘要公布了：本发明公开了一种非对称图像检索方法、系统、设备及存储介质，相关方法中，首先采用乘积量化的方法，在图库的嵌入空间中生成大量的锚点向量来描述其空间结构；然后，这些锚点向量在查询模型和图库模型之间共享，训练时每个图像的特征向量和对应锚点向量之间的关系被当作是结构相似性，并被约束为在查询模型和图库模型之间保持一致，这允许查询模型忽略图库模型的特征细节，而更多的关注在整体空间结构上，使得查询模型和图库模型的嵌入空间被对齐，这对非对称检索是至关重要的，能够提升检索性能；除此之外，本发明没有利用图像的标注，可以利用大规模的无标记图像数据进行训练，因此本发明有较好的鲁棒性以及通用性。

本发明授权非对称图像检索方法、系统、设备及存储介质在权利要求书中公布了：1.一种非对称图像检索方法，其特征在于，包括：利用图库模型对图像数据库中每一图像的分别进行特征提取，并离线训练乘积量化器，利用训练后的乘积量化器生成图库模型嵌入空间中的锚点向量；将每一图像分别输入至图库模型与查询模型，获得图像模型提取的第一特征向量以及查询模型提取的第二特征向量；分别计算所述第一特征向量及第二特征向量与对应锚点向量之间的相似度，获得第一特征向量与锚点向量对应的第一相似度，以及第二特征向量与锚点向量对应的第二相似度；对所述第一相似度与第二相似度施加一致性约束以指导查询模型的训练；将待检索图像输入至训练后的查询模型，由训练后的查询模型提取相应的特征向量并进行检索；所述利用训练后的乘积量化器生成图库模型嵌入空间中的锚点向量包括：图像数据库记为X＝{x1,x2,…,xn}，图像数据库特征记为G＝{g1,g2,…,gn}，其中，xi表示第i个图像，gi表示第i个图像xi的特征向量，i＝1,2,…n，n表示图像总数；将每一特征向量分别拆分为M段子特征向量，对所有特征向量的相同段子特征向量进行聚类，获得对应的一组锚点向量，将第j段子特征向量对应的一组锚点向量记为Cj∈RK×d，j＝1,…,M，j为一段子特征向量的序号，R表示实数集，K表示中心点的数量，第k个中心点对应子锚点向量d表示单个子锚点向量的维度；最终获得M组锚点向量，每一组锚点向量对应于图库模型的一个子嵌入空间，每一组锚点向量包含K个子锚点向量；所述分别计算所述第一特征向量及第二特征向量与对应锚点向量之间的相似度包括：将图像模型提取的第一特征向量记为g，将查询模型提取的第二特征向量记为q；将第一特征向量g与第二特征向量q分别进行拆分，各自获得M段子特征向量，表示为：g→u1g,u2g,…,uMgq→u1q,u2q,…,uMq其中，ujg、ujq分别表示第一特征向量g、第二特征向量q中的第j段子特征向量，j＝1,…,M；分别计算第一特征向量g的M段子特征向量与对应锚点向量的相似度，以及分别计算第二特征向量q的M段子特征向量与对应锚点向量的相似度；计算第一特征向量g的第j段子特征向量与对应锚点向量的相似度的公式表示为： 其中，表示第一特征向量g的第j段子特征向量与对应图像的锚点向量的相似度；Cj表示第j组锚点向量，对应于图库模型的第j个子嵌入空间，K表示中心点的数量，第k个中心点对应子锚点向量计算第二特征向量q的第j段子特征向量与对应锚点向量的相似度的公式表示为： 其中，表示第二特征向量q的第j段子特征向量与对应图像的锚点向量的相似度；Cj表示第j组锚点向量，对应于图库模型的第j个子嵌入空间，K表示中心点的数量，第k个中心点对应子锚点向量

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。