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空间应用工程与技术中心申请的专利基于视觉语言预训练模型的细粒度多模态提示学习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：CN119538179B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411501689.6，技术领域涉及：G06F18/25；该发明授权基于视觉语言预训练模型的细粒度多模态提示学习方法是由刘云飞;李盛阳;王驿钊设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本基于视觉语言预训练模型的细粒度多模态提示学习方法在说明书摘要公布了：本发明公开了一种基于视觉语言预训练模型的细粒度多模态提示学习方法，涉及视觉语言预训练模型技术领域，方法包括：构建用于学习视觉特征与文本特征的多模态提示学习向量，基于所述细粒度多模态提示学习模型，生成不同视觉类别间的全局差异及细微区分视觉特征和类别差异性文本特征，基于余弦相似度损失函数对多模态提示学习向量进行优化。本发明通过双粒度视觉提示与文本提示的结合，有效解决了现有提示学习调优方法中双模态提示表示空间无法协同推理、难以捕捉细微区分性特征的问题，并在多个主要的图像识别基准数据集上验证了其优越的迁移泛化能力和少样本学习能力，在下游任务中取得了显著的性能提升。

本发明授权基于视觉语言预训练模型的细粒度多模态提示学习方法在权利要求书中公布了：1.一种基于视觉语言预训练模型的细粒度多模态提示学习方法，其特征在于，包括： S1、构建用于学习视觉特征与文本特征的多模态提示学习向量： S101、构建基于视觉语言预训练模型的细粒度多模态提示学习模型，所述细粒度多模态提示学习模型包括视觉提示和文本提示，通过所述细粒度多模态提示学习模型对视觉提示和文本提示进行学习，具体使用视觉语言预训练模型的图像编码器和文本编码器，处理输入图像和K个类别标签，生成可学习的视觉提示Vi和可学习的文本提示Ti，其中，所述输入图像记为I∈RW×H×C，K为类别标签的总数量，H表示输入图像的高度，W表示输入图像的宽度，C表示输入图像的通道，i表示为网络层索引； S102、所述可学习的视觉提示Vi分别设计面向全局高层语义信息的全局视觉提示和面向类别间细微差异特征提取的细粒度视觉提示，所述全局视觉提示用于提取输入图像的全局语义信息，所述细粒度视觉提示用于提取视觉类别间的细微差异； S103、所述可学习的文本提示Ti采用类别标签感知提示学习，通过类别标签的嵌入向量表示，类别标签作为所述可学习的文本提示的输入，以生成类别差异性文本特征； S104、在共享的潜在语义空间中生成所述全局视觉提示、细粒度视觉提示和所述可学习的文本提示，以使所述细粒度多模态提示学习模型实现跨模态的信息的交互与对齐，所述多模态提示学习向量包括所述全局视觉提示、细粒度视觉提示和所述可学习的文本提示； S2、基于所述细粒度多模态提示学习模型，生成视觉特征和类别差异性文本特征： S201、通过所述文本编码器生成类别特异性文本特征： 公式1中，w表示类别标签的嵌入向量，Tb表示文本提示，类别差异性文本特征Zk由文本编码器L·生成； S202、通过视觉编码器生成输入图像的全局视觉特征和输入图像的细粒度特征： 公式2中，e表示图像块嵌入，Vb表示视觉提示，特征X包括全局视觉特征和细粒度特征的融合特征，特征X由图像编码器I·生成； S3、基于余弦相似度损失函数对多模态提示学习向量进行优化： 基于余弦相似度损失函数对所述可学习的视觉提示与所述可学习的文本提示进行优化，通过最小化视觉特征和所述类别差异性文本特征之间的相似度差异来进行计算，通过公式3计算第k个类别标签的概率其中，τ是固定超参数，simx,Zk为视觉特征和所述类别差异性文本特征之间的相似度。

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空间应用工程与技术中心，其通讯地址为：100094 北京市海淀区邓庄南路9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”。