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！

龙图腾网获悉中国科学院计算机网络信息中心申请的专利一种基于深度学习的多模态标注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：CN119202934B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202411157253.X，技术领域涉及：G06F18/2431；该发明授权一种基于深度学习的多模态标注方法是由崔强;宋东泽;王露笛;崔文娟;杜一设计研发完成，并于2024-08-22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模态标注方法在说明书摘要公布了：本发明公开了一种基于深度学习的多模态标注方法，其步骤包括：1利用多模态标注模块对多模态数据进行标注，得到标注好的数据集；2利用所述数据集训练深度学习模型，通过反向传播算法和优化器来调整所述深度学习模型的权重和参数，使所述深度学习模型逐渐学习到标注内容的特征和规律；3对于一待标注的多模态数据，将其输入到训练后的深度学习模型进行推理和预测，生成该待标注的多模态数据的标注结果。利用本发明可以实现对包含图像、文本等多种模态的数据进行高效准确的标注，从而为多模态数据的标注提供了一种高效可靠的解决方案。

本发明授权一种基于深度学习的多模态标注方法在权利要求书中公布了：1.一种基于深度学习的多模态标注方法，其步骤包括： 1利用多模态标注模块对多模态数据进行标注，得到标注好的数据集； 2采用YOLO算法利用所述数据集训练深度学习模型，通过反向传播算法和优化器来调整所述深度学习模型的权重和参数，使所述深度学习模型逐渐学习到标注内容的特征和规律； 3对于一待标注的多模态数据，将其输入到训练后的深度学习模型进行推理和预测，生成该待标注的多模态数据的标注结果； 其中，所述YOLO算法包括多通道输入端、Backbone层和多通道输出端；所述Backbone层包括Focus结构、CSP结构和CLIP结构；其中，对于所述数据集中每一标注的多模态数据，训练方法为： 21所述多通道输入端将所述多模态数据中的文本数据表示为词嵌入向量序列， 使用循环神经网络模型从词嵌入向量序列中捕捉文本数据的语义信息并为文本数据中每一句子的每一个子词预测命名实体标签；所述多通道输入端对所述多模态数据中的图像数据依次进行Mosaic图像增强、自适应锚框计算以及自适应图片缩放，生成一合成图像及其标签框，然后执行步骤22； 22利用Focus结构提取合成图像的低层次特征并将其输入CSP结构； 23CSP结构将输入的低层次特征分成两部分，将其中一部分经过一个卷积网络进行处理得到的高层次特征，然后将所述高层次特征与另一部分低层次特征拼接起来输入Neck网络；Neck网络对输入的拼接特征进行特征提取并输入到CLIP结构； 24CLIP结构根据输入特征和所述多模态数据中的文本数据生成区域-文本对， 生成区域-文本对的方法为：241利用n-gram算法从文本数据中提取名词短语；242采用开放词汇检测器为每个给定名词短语生成伪框，得到粗略的区域-文本对；243评估图像-文本对和区域-文本对的相关性，并过滤相关性低于设定阈值的伪注释和图像，得到所述多模态数据的预测框； 25所述多通道输出端采用非极大值抑制方法对所述多模态数据的预测框中重叠的预测框进行处理，得到最终的检测结果。

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国科学院计算机网络信息中心，其通讯地址为：100190 北京市海淀区中关村南四街4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”。