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！

龙图腾网获悉安徽大学申请的专利联合令牌和特征对齐的自然语言行人检索方法及系统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：CN115311687B 。

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：202210951558.2，技术领域涉及：G06V40/10；该发明授权联合令牌和特征对齐的自然语言行人检索方法及系统是由李成龙;李尚泽;鹿安东;黄岩;王亮;程致远设计研发完成，并于2022-08-09向国家知识产权局提交的专利申请。

本联合令牌和特征对齐的自然语言行人检索方法及系统在说明书摘要公布了：本发明提供联合令牌和特征对齐的自然语言行人检索方法及系统包括：使用双流特征学习网络中的图像分支提取输入行人图像的视觉特征；使用双流特征学习网络中的文本分支提取输入行人描述的文本特征；对图像和文本分支提取到的全局特征图在特征空间内进行对齐；使用特征空间中对齐的图像全局特征生成令牌序列；在生成令牌序列和真实令牌序列之间进行令牌对齐；对图像和文本特征进行跨模态融合交互；联合令牌和特征对齐的自然语言行人检索模型训练；联合令牌和特征对齐的自然语言行人检索模型测试。本发明解决了歧义性嵌入、复杂度高、依赖预置数据以及模态距离、类内距离优化效果差的技术问题。

本发明授权联合令牌和特征对齐的自然语言行人检索方法及系统在权利要求书中公布了：1.联合令牌和特征对齐的自然语言行人检索方法，其特征在于，所述方法包括： S1、处理预置双流特征学习网络中的图像分支，据以利用金字塔视觉Transformer作为主干网络，据以提取输入行人图像特征； S2、处理所述双流特征学习网络中的文本分支，据以利用预置卷积神经网络提取文本高层全局特征； S3、在预置特征空间内，对从所述图像分支及所述文本分支中提取的所述全局特征图进行对齐，以得到对齐的图像全局特征，利用跨模态投影匹配损失函数CMPM学习判别性视觉文本特征，据以关联图像和文本两种模态，并减小图像与文本模态距离； S4、根据所述对齐图像全局特征生成所述令牌序列，将图像模态与文本模态的特征转换到相同的空间中进行度量，以桥接图像与文本模态，利用串形优化新范式缩小所述图像与文本模态距离，据以获取模态不变性特征，以文本生成模块利用输入图像的深层语义特征生成所述文本描述，据以映射所述图像特征及所述文本特征至相同空间，以在所述特征空间的基础上增加令牌空间监督，据以减小类内距离，并拉近所述图像与文本模态距离； S5、利用联合令牌和特征对齐的框架TFAF，以交叉熵损失作为重建损失函数，据以约束生成令牌序列与真实令牌序列之间的距离，以实现令牌空间对齐； S6、跨模态融合交互所述图像特征与文本特征，以跨模态交互模块卷积将所述图像高层全局特征与生成文本特征映射到各自的所述特征空间，下采样并强化处理所述图像高层全局特征与生成文本特征，处理获取所述图像高层全局特征与所述生成文本特征之间的权重矩阵，归一化并加权处理所述权重矩阵，以获得适用注意力矩阵，利用残差连接处理所述适用注意力矩阵，以得到适用融合输出，将跨模态投影匹配损失函数作为交互损失函数，对所述适用融合输出和所述步骤S2中所述文本分支提取的所述文本高层全局特征进行监督，据以拉近图像与文本模态之间的距离，减少模态差异； S7、按照前述步骤S1至S6提取所述图像特征和所述文本特征，利用Adam神经网络优化器训练所述自然语言行人检索模型； S8、测试所述自然语言行人检索模型，据以获取行人检索结果。

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安徽大学，其通讯地址为：230039 安徽省合肥市蜀山区肥西路3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”。