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！

龙图腾网获悉桂林电子科技大学申请的专利基于视觉特征与文本特征多层次交互的图像描述生成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：CN119741582B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202411544206.0，技术领域涉及：G06V10/82；该发明授权基于视觉特征与文本特征多层次交互的图像描述生成方法及装置是由文益民;李永杰设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本基于视觉特征与文本特征多层次交互的图像描述生成方法及装置在说明书摘要公布了：本发明公开一种基于视觉特征与文本特征多层次交互的图像描述生成方法及装置，该方法步骤包括：获取待描述图像，分别提取出图像的区域特征以及网格特征，输入至基于Transformer架构的特征增强编码器中进行特征提取，进行融合后得到最终的增强图像特征；将获取的待描述图像裁剪成不同大小的多个子图像，并对每个子图像进行检索得到不同大小的子图像的文本描述；将各子图像文本描述分别与所述增强图像特征映射至同一语义空间并进行多层次交互，以基于多层语义指导实现语义信息与视觉特征的校准得到校准后的全局特征；对校准后的全局特征进行解码，得到最终的图像描述结果。本发明能够准确理解图像上下文场景，生成准确、丰富的描述。

本发明授权基于视觉特征与文本特征多层次交互的图像描述生成方法及装置在权利要求书中公布了：1.一种基于视觉特征与文本特征多层次交互的图像描述生成方法，其特征在于，步骤包括： 获取待描述图像，从获取的待描述图像中分别提取出图像的区域特征以及网格特征，将提取出的所述区域特征以及网格特征分别输入至基于Transformer架构的特征增强编码器中进行特征提取，所述特征增强编码器为基于Transformer架构的编码器并使用视觉特征增强模块代替Transformer架构中多头注意力层，将区域特征、网格特征经所述特征增强编码器得到的输出进行融合后得到最终的增强图像特征，所述视觉特征增强模块包括MLP分支、自注意力分支以及融合模块，由所述MLP分支学习输入特征中的全局场景特征，由所述注意力分支捕捉输入特征中图像的物体关系，由所述融合模块将所述MLP分支与所述自注意力分支的输出结果进行融合生成最终的增强特征输出； 将获取的待描述图像裁剪成不同大小的多个子图像，并对每个子图像进行检索得到不同大小的子图像的文本描述； 将各子图像文本描述分别与所述增强图像特征映射至同一语义空间并进行多层次交互，以基于多层语义指导实现语义信息与视觉特征的校准得到校准后的全局特征，其中进行多层次交互时，通过将各子图像文本描述分别与所述增强图像特征进行计算得到不同语义层次的特征，逐层将各语义层次的特征进行交互整合后最终得到所述校准后的全局特征； 对所述校准后的全局特征进行解码，得到最终的图像描述结果。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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。