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！

龙图腾网获悉厦门熵基科技有限公司申请的专利属性识别模型训练方法、装置、存储介质及计算机设备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：CN119128517B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411175159.7，技术领域涉及：G06F18/214；该发明授权属性识别模型训练方法、装置、存储介质及计算机设备是由杨奇;陈书楷设计研发完成，并于2024-08-26向国家知识产权局提交的专利申请。

本属性识别模型训练方法、装置、存储介质及计算机设备在说明书摘要公布了：本申请提供的属性识别模型训练方法、装置、存储介质及计算机设备，在模型训练时，先获取样本人物数据，以及由多模态学习模型、视觉变换网络和分类层构成的初始属性识别模型。在训练模型时，可先利用多模态学习模型确定样本人物数据的文本分类张量和融合特征张量，并采用视觉变换网络对融合特征张量进行聚合，以融合多尺度的视觉特征和文本特征；因此，通过分类层对聚合后的融合特征张量进行属性分类得到的目标分类张量具有较高的准确性；接着基于文本分类张量和目标分类张量确定参数损失值，以更新模型参数并进入下一轮次的训练，直至模型满足训练结束条件，这样训练得到的模型能够多尺度地聚合视觉特征与文本特征，进而提高人物属性的识别能力。

本发明授权属性识别模型训练方法、装置、存储介质及计算机设备在权利要求书中公布了：1.一种属性识别模型训练方法，其特征在于，方法包括： 获取样本人物数据，以及初始属性识别模型，初始属性识别模型包括多模态学习模型、视觉变换网络和分类层； 利用多模态学习模型确定样本人物数据的文本分类张量和融合特征张量，以及采用视觉变换网络对融合特征张量进行聚合，并通过分类层对聚合后的融合特征张量进行属性分类，得到目标分类张量； 基于文本分类张量和目标分类张量确定初始属性识别模型的参数损失值，以基于参数损失值更新初始属性识别模型的参数，并返回利用多模态学习模型确定样本人物数据的文本分类张量和融合特征张量及其后续步骤，直至初始属性识别模型满足预设的训练结束条件，得到目标属性识别模型； 获取样本人物数据，包括： 确定待训练的模型属性，以及模型属性下的多个分类类型； 按照等比例获取每一分类类型对应的样本人物图像，并按照各个分类类型在每一样本人物图像中标注样本属性标签，形成样本人物数据； 多模态学习模型包括特征输出层、文本编码层、张量处理层；特征输出层包括视觉特征输出层和提示词特征输出层； 利用多模态学习模型确定样本人物数据的文本分类张量和融合特征张量，包括： 将样本人物数据输入特征输出层中，得到视觉特征输出层输出的视觉特征张量和提示词特征输出层输出的提示词特征张量，视觉特征张量为多模态学习模型对样本人物数据中图像提取的像素特征，提示词特征张量为多模态学习模型对样本人物数据中图像提取的分类特征； 利用文本编码层对样本人物数据的样本属性标签进行文本编码，得到标签特征； 在张量处理层中对标签特征使用全连接层后进行维度扩增，形成文本特征，并将文本特征和视觉特征张量进行特征融合，得到融合特征张量，以及，基于标签特征和提示词特征张量生成文本分类张量，文本特征反映样本人物数据中与人物属性相关的语义信息，文本分类张量包含样本人物数据中文本特征的类别信息，用于分类； 分类层包括卷积层和全连接层； 通过分类层对聚合后的融合特征张量进行属性分类，得到目标分类张量，包括： 利用卷积层对融合特征张量进行特征映射，得到融合特征向量； 采用全连接层对融合特征向量进行属性分类，生成目标分类张量。

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厦门熵基科技有限公司，其通讯地址为：361022 福建省厦门市集美区软件园三期凤岐路132号1301室；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。