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！

龙图腾网获悉同济大学申请的专利一种基于自监督学习的机器视觉编码方法和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：CN119254976B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411313425.8，技术领域涉及：H04N19/176；该发明授权一种基于自监督学习的机器视觉编码方法和系统是由王瀚漓;唐梽森设计研发完成，并于2024-09-20向国家知识产权局提交的专利申请。

本一种基于自监督学习的机器视觉编码方法和系统在说明书摘要公布了：本发明涉及一种基于自监督学习的机器视觉编码方法和系统，方法包括以下步骤：将图像信息随机采样成子块，输入骨干网络头部提取和变换特征通道，得到第一特征；变换第一特征得到低维空间的特征，通过量化器对低维空间的特征增加均匀噪声得到量化后的特征，重建压缩特征得到第二特征；将第二特征变换至低维空间，再通过量化器增加均匀噪声降低冗余，提取和编码得到边信息，解码边信息之后采用混合高斯熵模型预测第二特征的概率分布参数以及码率，重建出编码特征的维度，为第三特征；提取和变换第三特征的维度，提取卷积特征加权为热力图，通过热力图得到有效正样本，得到编码结果。与现有技术相比，本发明具有编码复杂度低、语义可靠性高等优点。

本发明授权一种基于自监督学习的机器视觉编码方法和系统在权利要求书中公布了：1.一种基于自监督学习的机器视觉编码方法，其特征在于，包括以下步骤： 将图像信息经数据增强后，随机采样成子块，其中有语义内容的子块为正样本，无语义内容的子块为负样本，将正样本和负样本输入骨干网络头部提取和变换特征通道，得到第一特征； 使用冗余消除编码器变换第一特征得到低维空间的特征，通过第一量化器对低维空间的特征增加均匀噪声得到量化后的特征，通过算数编解码将量化后的特征传递至冗余消除解码器，重建压缩特征，得到第二特征； 采用编码器将第二特征变换至低维空间，再通过第二量化器增加均匀噪声降低冗余，超先验编码器提取和编码降低冗余后的第二特征的边信息，通过算数编解码将边信息传递至超先验解码器解码，之后采用基于混合高斯熵模型预测第二特征的概率分布参数以及码率，再使用解码器重建出编码特征的维度，得到第三特征； 使用卷积神经网络提取和变换第三特征的维度，同时提取卷积特征加权为热力图，通过热力图引导选择输入图像的有效正样本，得到编码结果。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。

以上内容由龙图腾AI智能生成。