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！

龙图腾网获悉长安大学申请的专利基于多模态上下文的小样本交通示意图问答方法及装置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：CN119294511B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202411264837.7，技术领域涉及：G06N5/04；该发明授权基于多模态上下文的小样本交通示意图问答方法及装置是由胡欣;崔雪;裴莉莉;李建新;高涛;朱黛洁设计研发完成，并于2024-09-10向国家知识产权局提交的专利申请。

本基于多模态上下文的小样本交通示意图问答方法及装置在说明书摘要公布了：本发明公开了一种基于多模态上下文的小样本交通示意图问答方法及装置，解决了样本规模有限且存在语义混淆情况下交通示意图表征难的问题，包括：获取包含多张交通示意图和多个问题文本的样本集；之后提取交通示意图的视觉区域特征、图块特征、图块描述特征以及问题文本的词元特征，再构建多模态特征数据集；利用多模态特征数据集对预先构建的交通示意图问答模型进行训练，得到训练好的交通示意图问答模型，之后进行筛选，筛选完成之后部署在电子设备上，以对待回答的交通示意图问题进行回答，并展示给用户。本发明实现了在样本中存在视觉语义混淆下保障交通示意图问答的准确率，为智能交通场景中多模态检索、自动驾驶等应用提供良好的技术支撑。

本发明授权基于多模态上下文的小样本交通示意图问答方法及装置在权利要求书中公布了：1.一种基于多模态上下文的小样本交通示意图问答方法，其特征在于，包括： S100，获取包含多张交通示意图和多个问题文本的样本集；所述样本集中的每张交通示意图都对应至少一个问题文本； S200，提取所述样本集中每张交通示意图的视觉区域特征和视觉块特征，以及提取所述样本集中每个问题文本的词元特征，并利用所述视觉区域特征、视觉块特征和所述词元特征构建多模态特征数据集；其中，所述视觉块特征包括图块特征和所述图块描述特征； S300，利用所述多模态特征数据集对预先构建的交通示意图问答模型进行训练，得到训练好的交通示意图问答模型； S400，对训练好的交通示意图问答模型进行筛选，筛选完成之后部署在电子设备上，以对待回答的交通示意图问题进行回答，并展示给用户； S300包括： S310，定义交通示意图问答模型中的上下文交互问题表征网络、细粒度增强交通示意图表征网络、多模态问题融合网络、答案选择器和优化损失函数； S320，在当前迭代次，在所述多模态特征数据集中选择一张交通示意图的视觉块特征和对应问题文本的词元特征作为输入，输入至所述上下文交互问题表征网络中，得到上下文交互增强的词元特征、全局问题特征、词元增强的视觉块特征； S330，将S320中所述上下文交互增强的词元特征、全局问题特征、词元增强的视觉块特征及所述的交通示意图的视觉区域特征输入至所述细粒度增强交通示意图表征网络中以进行交通示意图的表征增强，得到细粒度增强的视觉区域特征和全局交通示意图特征； S340，将所述细粒度增强的视觉区域特征、所述全局交通示意图特征和所述上下文交互增强的词元特征、所述全局问题特征输入至所述多模态问题融合网络中，得到融合后的多模态交通示意图问题特征； S350，将所述融合后的多模态交通示意图问题特征输入至所述答案选择器，得到候选答案的概率分布； S360，根据S350中所述概率分布，利用所述优化损失函数计算出输入的交通示意图问答的损失值； S370，利用所述损失值调整交通示意图问答模型的权重参数，并在所述多模态特征数据集中重新选择一张交通示意图的视觉区域特征、视觉块特征和对应问题文本的词元特征作为输入； S380，重复S320至S380直至达到迭代截至条件，得到训练好的交通示意图问答模型。

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长安大学，其通讯地址为：710064 陕西省西安市雁塔区南二环中段；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”。

以上内容由龙图腾AI智能生成。