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！

龙图腾网恭喜杭州海康威视数字技术股份有限公司申请的专利多模态大模型训练方法、目标检测方法、装置及电子设备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：CN119903348B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202510399045.9，技术领域涉及：G06F18/214；该发明授权多模态大模型训练方法、目标检测方法、装置及电子设备是由张梦玥;迟子秋;黄博;王金;郭阶添;任烨;谭文明设计研发完成，并于2025-03-31向国家知识产权局提交的专利申请。

本多模态大模型训练方法、目标检测方法、装置及电子设备在说明书摘要公布了：本申请实施例提供了一种多模态大模型训练方法、目标检测方法、装置及电子设备，涉及人工智能技术领域，多模态大模型训练方法包括：获取多个样本图像和图像中对象标注框的第一样本描述文本；利用第一大语言模型和第一文本提示，提取每一样本图像对应的第一样本描述文本所描述的对象的类别名称以及属性，并将得到的类别名称与属性中的至少一个进行组合，得到第二样本描述文本；确定该样本图像中每一对象标注框与对应的多个第二样本描述文本的每一属性是否相匹配；构建包含第二样本描述文本的样本问题以及对应的思维链形式的样本回答，得到问答样本对；利用构建的问答样本对进行多模态大模型的训练。可以降低描述性目标检测的复杂性，提高检测效率。

本发明授权多模态大模型训练方法、目标检测方法、装置及电子设备在权利要求书中公布了：1.一种多模态大模型训练方法，其特征在于，所述方法包括： 获取多个样本图像和每一样本图像中指定类别的对象标注框的第一样本描述文本； 针对每一样本图像，利用第一大语言模型和第一文本提示，提取该样本图像对应的第一样本描述文本所描述的对象的类别名称以及该对象的多个属性，并将得到的类别名称与得到的属性中的至少一个进行组合，得到该样本图像对应的多个第二样本描述文本；其中，所述第一文本提示用于指示：提取输入的描述文本所描述的对象的类别名称以及该对象的属性； 针对该样本图像中每一对象标注框，分别确定该对象标注框与用于组合得到该样本图像对应的多个第二样本描述文本的每一属性是否相匹配； 构建包含每一第二样本描述文本的样本问题，以及利用该第二样本描述文本包含的每一属性与每一对象标注框的匹配结果，构建该样本问题对应的思维链形式的样本回答，得到一个问答样本对；其中，该样本问题用于指示确定输入的图像中符合该第二样本描述文本的图像区域的位置；该样本回答包含用于描述多模态大模型推理过程的第一推理过程文本；所述第一推理过程文本包括：各推理步骤和各推理步骤之间的第一执行顺序；按照所述第一执行顺序，各推理步骤分别为：提取输入的问题包含的描述文本所描述的对象的类别名称和该对象的属性、检测输入的图像中所有属于提取到的类别名称所表征的类别的对象所占图像区域的位置、分别确定每一图像区域与提取到的每一属性的匹配结果，以及确定与提取到的每一属性均匹配的图像区域的位置； 将该样本图像以及每一问答样本对中的样本问题输入初始结构的多模态大模型，得到预测回答； 基于得到的预测回答和对应的问答样本对中的样本回答之间的差异，对初始结构的多模态大模型的参数进行调整，直至达到预设收敛条件，得到训练完成的多模态大模型； 所述获取多个样本图像和每一样本图像中指定类别的对象标注框的第一样本描述文本，包括： 获取多个样本图像以及每一样本图像中指定类别的对象标注框的位置； 针对每一样本图像，将该样本图像和第二文本提示输入第二大语言模型，得到该样本图像中指定类别的对象标注框的第一样本描述文本；其中，所述第二文本提示用于指示：生成输入的图像中对象标注框的描述文本。

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杭州海康威视数字技术股份有限公司，其通讯地址为：310051 浙江省杭州市滨江区阡陌路555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”。