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！

龙图腾网恭喜广州极飞科技股份有限公司申请的专利特征提取网络模型的训练方法、图像处理方法及其装置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：CN114463547B 。

龙图腾网通过国家知识产权局官网在2025-03-07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：202111639330.1，技术领域涉及：G06V10/44；该发明授权特征提取网络模型的训练方法、图像处理方法及其装置是由叶培楚;曾宪贤设计研发完成，并于2021-12-29向国家知识产权局提交的专利申请。

本特征提取网络模型的训练方法、图像处理方法及其装置在说明书摘要公布了：本申请披露了一种特征提取网络模型的训练方法、图像处理方法及其装置，涉及神经网络技术领域。该特征提取网络模型的训练方法包括：获取训练数据集，训练数据集中包括多幅图像帧；基于多幅图像帧之间的邻近关系和多幅图像帧，弱监督训练待训练网络模型，得到特征提取网络模型，其中，特征提取网络模型用于基于待处理图像集确定待处理图像集对应的特征点数据。基于本申请训练得到的特征提取网络模型，不仅能够保证提取的特征点的数量，而且能够提高所提取的特征点的鲁棒性。尤其是针对具备重复纹理的图像，本申请训练得到的特征提取网络模型能够充分兼顾特征点的数量和鲁棒性。

本发明授权特征提取网络模型的训练方法、图像处理方法及其装置在权利要求书中公布了：1.一种特征提取网络模型的训练方法，其特征在于，包括：获取训练数据集，所述训练数据集中包括多幅图像帧；基于所述多幅图像帧之间的邻近关系和所述多幅图像帧，弱监督训练待训练网络模型，得到特征提取网络模型，其中，所述特征提取网络模型用于基于待处理图像集确定所述待处理图像集对应的特征点数据；所述基于所述多幅图像帧之间的邻近关系和所述多幅图像帧，弱监督训练待训练网络模型，得到特征提取网络模型，包括：构建所述待训练网络模型对应的第一损失函数和第二损失函数；当不存在邻近关系时，确定所述第一损失函数为目标损失函数；当存在邻近关系时，确定所述第二损失函数为目标损失函数；其中，所述第一损失函数包括响应约束函数，所述第二损失函数包括所述响应约束函数和正则项；基于所述目标损失函数和所述多幅图像帧，弱监督训练所述待训练网络模型，得到所述特征提取网络模型；其中，所述目标损失函数包括： 其中，D表征所述多幅图像帧中待匹配的图像帧的特征点距离矩阵，y表征所述训练数据集中的待匹配的图像帧之间的弱监督信号，当y＝0时，表征所述待匹配的图像帧不存在邻近关系，当y＝1时，表征所述待匹配的图像帧存在邻近关系；N表征所述每两幅图像帧的特征点数量，d1表征所述待匹配的图像帧的特征点匹配对之间的最小距离，d2表征所述待匹配的图像帧的特征点匹配对之间的次小距离，nm表征所述待匹配的图像帧的特征点距离矩阵中，在矩阵元素所在的矩阵行和矩阵列，所述矩阵元素均为最小值的矩阵元素数目；其中，所述邻近关系包括正邻近关系和次邻近关系，具备所述正邻近关系的图像帧为正邻近图像帧，具备所述次邻近关系的图像帧为次邻近图像帧，所述正邻近图像帧包括，针对同一架次的飞行器在同一航道采集的图像序列数据，所述图像序列数据中的每两幅相邻图像帧；所述次邻近图像帧包括，针对同一架次的飞行器在同一航道采集的图像序列数据，所述图像序列数据中的间隔预设帧数的每两幅图像帧；和或，所述次邻近图像帧包括，针对同一架次的飞行器在相邻航道采集的两套图像序列数据，所述两套图像序列数据中的每两幅旁向相邻图像帧。

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广州极飞科技股份有限公司，其通讯地址为：510000 广东省广州市天河区高普路115号C座；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”。