公开(公告)号：CN119444859A

公开(公告)日：2025-02-14

申请号：CN202411559415.2

申请日：2024-11-04

Applicant: 重庆邮电大学

Inventor： 周牧 ,  蔡睿 ,  蒲巧林 ,  罗开宇

IPC: G06T7/73 ,  G06N3/045 ,  G06N3/0895

Abstract: 本发明公开了基于孪生宽度哈希网络的图像位置识别方法。离线阶段，首先，在目标区域内部署多个参考点并取80％、10％和10％划分训练集、验证集和测试集；然后，构建哈希宽度网络，通过增量学习横向增加特征节点以扩展网络宽度；接着，划分正负样本对，将宽度哈希网络作为孪生网络框架的两条分支，共享权重和网络参数；最后，通过拉近相似特征的哈希距离和拉远不相似特征的哈希距离，最大程度上保持原始样本的相似性。在线阶段，将查询图片输入到构建好的模型中，获得与原始图像高度语义一致性的哈希码，并在数据库中检索得到最相似的检索图像，将其对应的RP位置作为视觉位置识别的结果。本发明专利利用宽度学习横向扩充节点并充分考虑组内相关性和组间互斥性，提出了一种基于孪生宽度哈希网络的图像位置识别方法，在减少系统开销的同时保证了定位精度。

公开(公告)号：CN119251638A

公开(公告)日：2025-01-03

申请号：CN202410929792.4

申请日：2024-07-11

Applicant: 重庆邮电大学

Inventor： 蒲巧林 ,  罗开宇

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/42 ,  G06V10/44 ,  G06V10/46 ,  G06V10/77 ,  G06V10/74 ,  G06V10/764 ,  G06T7/73 ,  G06F16/583 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0985 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0895

Abstract: 本发明公开了基于深度全局特征和局部特征联合学习的NetVLAD图像位置识别方法。离线阶段，首先，在目标区域内部署多个参考点并取90％和10％划分训练集和测试集；然后，利用ResNet‑50卷积神经网络的分层表示来学习局部和全局特征，通过最小化局部特征的交叉熵分类损失函数和全局特征的三元组损失函数来训练网络。在线阶段，将查询图片输入到网络中并提取全局特征，将其全局特征与离线数据库中的图像全局特征进行相似度计算并获得相似性排名，再提取查询图片的局部特征对相似性排名进行重排从而找到与查询最匹配的图像。最后，获取图片的GPS信息来实现位置识别。本发明专利利用卷积神经网络主干的浅层激活获取局部特征并指导相似性序列重排，提出了一种基于深度全局特征和局部特征联合学习的NetVLAD图像位置识别方法，在减少系统开销的同时保证了定位精度。