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！

龙图腾网获悉鹏城实验室申请的专利一种多模态视觉语言理解与定位方法、装置、终端及介质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：CN116091836B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202310152704.X，技术领域涉及：G06V10/764；该发明授权一种多模态视觉语言理解与定位方法、装置、终端及介质是由王耀威;肖麟慧;杨小汕;徐常胜;彭芳;胡孟豪设计研发完成，并于2023-02-09向国家知识产权局提交的专利申请。

本一种多模态视觉语言理解与定位方法、装置、终端及介质在说明书摘要公布了：本发明公开了一种多模态视觉语言理解与定位方法、装置、终端及介质，包括：构建视觉语言理解与定位模型；对未标注的图像数据进行处理，生成多个伪标签源；分别学习每一个源的视觉语言理解与定位模型；根据多源自步自适应算法，依据每一个源的表达文本的平均实体数由易到难逐步选择全部伪数据源；根据所述多源自步自适应算法，对图像和伪标签的每个配对数据进行样本实例级可靠性计算，通过可靠性评估器选择、可靠性阈值选择以及贪心算法获得最优样本子集，根据最优样本子集学习最优的视觉语言理解与定位模型；本发明提出无监督的视觉语言理解与定位方法，可以基于多源伪标签对多模态基础大模型CLIP进行自适应，以解决无监督视觉定位的问题。

本发明授权一种多模态视觉语言理解与定位方法、装置、终端及介质在权利要求书中公布了：1.一种多模态视觉语言理解与定位方法，其特征在于，包括： 构建视觉语言理解与定位模型； 对未标注的图像数据进行处理，生成多个伪标签源； 分别学习每一个伪标签源的视觉语言理解与定位模型，并将学习到的模型作为可靠性评估器；其中，所述可靠性评估器用于评估并获得样本的特定源可靠性和跨源可靠性； 根据多源自步自适应算法，依据每一个伪标签源的表达文本的平均实体数对多个所述伪标签源进行排序，由易到难逐步选择全部伪数据源； 根据所述多源自步自适应算法，在每一个当前选择的伪数据源中，分别从特定源可靠性和跨源可靠性对图像和伪标签的每个配对数据进行样本实例级可靠性计算，通过固定可靠性阈值、固定可靠性评估器的方式，依次选出最优可靠性评估器和最优可靠性阈值； 以贪心的方式筛选出当前源伪样本数据并添加至总样本子集，逐步扩大并获得最优样本子集，根据最优样本子集学习最优的视觉语言理解与定位模型； 所述对未标注的图像数据进行处理，生成多个伪标签源，包括： 通过目标检测器对所述未标注的图像数据进行处理，生成模板表达伪标签源； 通过场景图生成器对所述未标注的图像数据进行处理，生成关系表达伪标签源； 通过图像标题生成器对所述未标注的图像数据进行处理，生成标题表达伪标签源。

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鹏城实验室，其通讯地址为：518000 广东省深圳市南山区兴科一街2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”。