技術特征：

1.一種全局上下文和局部信息聚合的特征檢測和描述方法，其特征在于，包含以下6個步驟：

2.如權利要求1所述的全局上下文和局部信息聚合的特征檢測和描述方法，其特征在于，所述算法訓練時每批圖像數設置為12。

3.如權利要求1所述的全局上下文和局部信息聚合的特征檢測和描述方法，其特征在于，所述算法共迭代40個epoch。

4.如權利要求1所述的全局上下文和局部信息聚合的特征檢測和描述方法，其特征在于，所述算法中transformer層數設置為12。

5.如權利要求1所述的全局上下文和局部信息聚合的特征檢測和描述方法，其特征在于，所述學習率的初始值為0.001，前5個epoch學習率不變，從第6個epoch開始線性衰減到0。

技術總結
本發明公開了一種全局上下文和局部信息聚合的特征檢測和描述方法，包括：特征金字塔模塊，使用多個卷積層獲得不同感受野的特征圖，從而實現對不同尺度信息的感知；自適應全局上下文模塊，將深層特征圖切分成16×16的塊，編碼后輸入Transformer層，學習全局上下文，再自適應地添加到描述符中；局部特征增強模塊，通過多分支卷積結構和空洞卷積操作，更有效地捕捉特征點周圍的上下文信息，增強了網絡對于局部信息的表達能力；特征一致性加權模塊，在局部描述符的優化和匹配中引入特征一致性加權，提升異源特征的一致性；多尺度特征檢測模塊，提高關鍵點的定位精度。本發明為局部特征引入了全局上下文，提高了特征點檢測的定位精度和描述符的一致性和特異性。

技術研發人員：肖運曦,禹晶,肖創柏
受保護的技術使用者：北京工業大學
技術研發日：
技術公布日：2025/4/28