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！

龙图腾网恭喜中山大学申请的专利一种基于深度学习的多维度特征选择方法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：CN113987232B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202111198581.0，技术领域涉及：G06F16/53；该发明授权一种基于深度学习的多维度特征选择方法是由赖韩江;胡宇杰;潘炎;印鉴设计研发完成，并于2021-10-14向国家知识产权局提交的专利申请。

本一种基于深度学习的多维度特征选择方法在说明书摘要公布了：本发明提供一种基于深度学习的多维度特征选择方法，该方法通过Inception深度学习模型和特征维度随机截取模型学习到图像通用特征，并将数据库图像的通用特征储存，并且经过精心设计的特征维度选择模型对查询图像的特征维度进行选取，并以此维度在数据库中进行查询，使得查询所需的时间降低。

本发明授权一种基于深度学习的多维度特征选择方法在权利要求书中公布了：1.一种基于深度学习的多维度特征选择方法，其特征在于，包括以下步骤： S1：建立用于图像通用特征提取的深度学习网络模型G； S2：在网络模型G后加上特征维度随机截取模型；所述步骤S2中，特征维度随机截取模型具体设计过程是： S21：用一个全连接层将设定好长度的特征向量X映射成一个K维的实数向量，K为最大允许的特征维度大小； S22：在S21将每一个向量编码成一个实数向量后，建立G网络的维度截取模块，通过维度截取模块从最小维度到最大维度中随机选择一个维度，顺序的截取，获得一个随机长度的特征，在一个小批次中使用相同的特征维度，每次通过这些不同维度的特征来训练网络，以此获得一个最大长度的通用特征，每当需要一个随机长度的特征时，只需要对该通用特征进行顺序地截取即可； S3：通过在训练集上训练，获得训练集和测试集的通用特征； S4：获得图像通用特征后，建立特征维度选择模型；所述步骤S4的具体过程是： S41：建立一个由几层全连接组成的Actor网络，该网络的功能是把一个图像的通用特征作为状态输入，输出预测的合适的维度； S42：建立一个由几层全连接组成的Critic网络，该网络的功能是把一个图像的通用特征作为状态和Actor网络输出的维度输入，输出对Actor网络的评分，以此来优化Actor网络； S43：建立一个Reward函数，该函数返回一个针对Actor网络输出的维度，结合维度的长度惩罚和实际评价标准的精度惩罚的评分作为Critic网络的监督信息； S5：训练和测试特征维度选择模型； S6：建立用于提供后台接口的进程，提供检索入口以及返回检索结果。

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山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。