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！

龙图腾网恭喜太原工业学院申请的专利基于深度学习的智能图像识别系统及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：CN119963950B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202510451037.4，技术领域涉及：G06V10/774；该发明授权基于深度学习的智能图像识别系统及方法是由范刚;刘晓进;黄刚;李芸;殷国玲;李佳设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本基于深度学习的智能图像识别系统及方法在说明书摘要公布了：本发明公开了基于深度学习的智能图像识别系统及方法，包括：通过预训练的图像和文本特征提取网络分别从图像和文本中提取高级语义特征；使用扩展网络将图像和文本特征从低维空间映射到更高维度；引入局部和全局对比学习策略，通过动态重采样和记忆增强机制优化图像和文本特征的相似性；通过生成对抗网络或变分自编码器从图像特征生成辅助文本信息，并与真实文本标签进行对比学习；在高维统一嵌入空间中，通过精细的回归优化和语义匹配评分机制，使得图像和文本在推理阶段能够高效匹配并完成图像识别任务。本发明可以使图像和文本的语义相似度得以通过相同的距离度量进行比较，从而在推理阶段实现高效的图像与文本匹配。

本发明授权基于深度学习的智能图像识别系统及方法在权利要求书中公布了：1.基于深度学习的智能图像识别方法，其特征在于，包括：步骤1：通过预训练的图像和文本特征提取网络分别从图像和文本中提取高级语义特征；步骤2：使用扩展网络将图像和文本特征从低维空间映射到更高维度，增强语义信息，并通过对齐层将两者映射到统一的高维语义空间；步骤3：引入局部和全局对比学习策略，通过动态重采样和记忆增强机制优化图像和文本特征的相似性，强化多模态间的语义关联，包括：通过引入局部和全局对比学习策略，优化图像和文本特征的相似性，强化多模态间的语义关联，局部对比学习聚焦于物体级别语义对比，设计局部对比损失函数，最大化正样本对相似度，最小化负样本对相似度，引导网络学习有效局部特征；全局对比学习关注整体场景或语境对比，设计全局对比损失函数，优化模型对整体场景的理解；还引入动态重采样机制，根据模型当前学习情况，动态选择大难度样本，增加困难样本出现概率，避免过拟合简单类别，同时，借助记忆增强对比学习，利用记忆网络存储历史对比样本，通过回放机制帮助模型记住类别间语义差异；步骤4：通过生成对抗网络或变分自编码器从图像特征生成辅助文本信息，并与真实文本标签进行对比学习，进一步细化图像和文本的语义映射；步骤5：在高维统一嵌入空间中，通过回归优化和语义匹配评分机制，使得图像和文本在推理阶段能够高效匹配并完成图像识别任务，包括：通过回归优化机制，采用双向距离损失函数，最小化匹配样本距离，最大化非匹配样本距离，实现图像和文本嵌入空间优化，引入平衡因子调整优化强度，保持图像和文本语义一致性及适度多样性；在推理阶段，对新图像和文本描述，先通过特征提取网络提取高级特征，再通过扩展网络映射到高维嵌入空间对齐，通过语义匹配评分衡量图像和文本相似性，判断匹配程度，对于目标检测任务，结合图像区域特征和文本特征，利用区域卷积神经网络进行目标定位，结合匹配评分确认目标类别，最终实现高精度的图像识别。

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太原工业学院，其通讯地址为：030008 山西省太原市尖草坪区新兰路31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”。