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！

龙图腾网获悉四川大学申请的专利基于扩散模型的细粒度图像聚类模型的训练方法及细粒度图像聚类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：CN119672385B 。

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：202411916239.3，技术领域涉及：G06V10/762；该发明授权基于扩散模型的细粒度图像聚类模型的训练方法及细粒度图像聚类方法是由彭玺;杨若弘;李云帆设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本基于扩散模型的细粒度图像聚类模型的训练方法及细粒度图像聚类方法在说明书摘要公布了：本发明公开了基于扩散模型的细粒度图像聚类模型的训练方法及细粒度图像聚类方法。本训练方法通过预训练的扩散模型先对细粒度图像聚类模型的语义提取器进行训练，并在训练过程中通过注意力机制形成去背景的蒙板，可以对扩散目标进行规范化，帮助文本条件精确聚焦于对象语义，实现对语义提取器的快速预优化；在语义提取器先进行单独优化后，再加入聚类损失对细粒度图像聚类模型的语义提取器和聚类头共同进行训练优化，可以使语义提取器得到的代理词与聚类目标对齐，实现有效图像分组。本训练方法无需进行数据增广，同时解决了冗余背景信息过多的问题，使得训练后的细粒度图像聚类模型可以准确进行细粒度图像聚类。

本发明授权基于扩散模型的细粒度图像聚类模型的训练方法及细粒度图像聚类方法在权利要求书中公布了：1.一种基于扩散模型的细粒度图像聚类模型的训练方法，其特征在于，细粒度图像聚类模型包括语义提取器和聚类头，训练方法包括以下步骤： S1、构建预训练的扩散模型；为原始图像样本添加噪声，得到噪声图像，获取噪声图像的图像特征； S2、通过语义提取器将噪声图像的图像特征映射为代理词；根据代理词生成对应的文本提示； S3、将噪声图像及其对应的文本提示作为预训练的扩散模型的输入，获取预训练的扩散模型在训练阶段生成的噪声图像或预训练的扩散模型在预测阶段生成的原始图像； S4、基于噪声图像的图像特征及对应的文本提示，通过注意力机制形成去背景的蒙板； S5、生成掩码图像： 将原始图像样本与去背景的蒙板进行结合，得到掩码后的原始图像；或将噪声图像与去背景的蒙板进行结合，得到掩码后的噪声图像； 将预训练的扩散模型在训练阶段生成的噪声图像与去背景的蒙板进行结合，得到掩码后的噪声生成图像；或将预训练的扩散模型在预测阶段生成的原始图像与去背景的蒙板进行结合，得到掩码后的原始生成图像； S6、计算当前的损失，并根据当前的损失对语义提取器进行更新： 基于掩码后的原始图像和掩码后的原始生成图像计算当前的生成损失，或基于掩码后的噪声生成图像和掩码后的噪声图像计算当前的扩散损失，并基于当前的扩散损失或当前的生成损失对语义提取器进行更新； S7、判断语义提取器是否达到结束训练条件，若是则进入步骤S8；否则返回步骤S2； S8、采用与步骤S2至步骤S6相同的方法获取代理词和当前的损失； S9、通过聚类头对步骤S8得到的代理词进行聚类分配，获取聚类结果； S10、根据聚类结果计算细粒度图像聚类模型的聚类损失，将聚类损失和当前的扩散损失之和作为总损失，或将聚类损失和当前的生成损失之和作为总损失；基于当前的总损失对语义提取器和聚类头进行更新； S11、判断细粒度图像聚类模型是否到达结束训练条件，若是则完成对细粒度图像聚类模型的训练；否则返回步骤S8； 其中细粒度图像聚类模型用于进行图像聚类。

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四川大学，其通讯地址为：610064 四川省成都市一环路南一段24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。