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！

龙图腾网获悉上海交通大学申请的专利基于多尺度特征和跨模态残差注意力的隐私图像检测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：CN119625424B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411790358.9，技术领域涉及：G06V10/764；该发明授权基于多尺度特征和跨模态残差注意力的隐私图像检测方法是由郭捷;沈琪;徐扬;邱卫东;黄征;唐鹏设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本基于多尺度特征和跨模态残差注意力的隐私图像检测方法在说明书摘要公布了：一种基于多尺度特征和跨模态残差注意力的隐私图像检测方法，在离线阶段通过构造隐私图像文本数据集并训练构造得到的自注意力与跨模态交叉注意力残差网络，在在线阶段采用训练后的网络进行实时隐私图像检测。本发明通过多尺度特征和残差跨模态注意力，显著提高隐私图像检测的准确率。

本发明授权基于多尺度特征和跨模态残差注意力的隐私图像检测方法在权利要求书中公布了：1.一种基于多尺度特征和跨模态残差注意力的隐私图像检测方法，其特征在于，在离线阶段通过构造隐私图像文本数据集并训练构造得到的自注意力与跨模态交叉注意力残差网络，在在线阶段采用训练后的网络进行实时隐私图像检测； 所述的自注意力与跨模态交叉注意力残差网络包括：图像自注意力网络、文本自注意力网络、文本对图像注意力残差网络、图像对文本注意力残差网络、两个降采样网络和特征融合网络，其中：图像自注意力网络和文本自注意力网络的结构相同且分别使用查询特征向量对权重矩阵进行权值计算并加权得到特征，通过归一化层，全连接层和残差连接，分别得到最终的单模态图像强化特征和单模态文本强化特征；文本对图像注意力残差网络使用文本查询特征向量对图像键值权重矩阵进行权值计算并加权得到图像特征后，通过归一化层、全连接层和残差连接得到文本特征向量；图像对文本注意力残差网络使用图像查询特征向量对文本键值权重矩阵进行权值计算并加权得到文本特征后，通过归一化层、全连接层和残差连接得到图像特征向量；两个降采样网络分别根据两个对应的注意力残差网络的特征输出，通过卷积操作以降采样，提取得到重点特征并减少噪声并得到两类融合特征；特征融合网络根据两类全局特征和两类融合特征得到分类结果； 所述的图像对文本注意力残差网络包括：图像自注意力单元、交叉注意力单元、残差单元和降采样单元，其中：图像自注意力单元通过使用多个矩阵融合局部图像之间的信息，得到更强的信息特征表达；注意力单元以局部图片模态特征为基底，对局部标签依次计算相似度作为权重，通过所有标签权重比例，帮助强化局部图片特征；残差单元将图片特征经过全连接层处理后，再与原局部特征相加，防止图片特征退化；降采样单元将图像模态的全局特征和局部特征进行融合，同时减少模态内噪声； 所述的文本对图像注意力残差网络包括：文本自注意力单元、注意力单元、残差单元、降采样单元和特征融合单元，其中：文本自注意力单元通过使用多个矩阵融合局部文本之间的信息，得到更强的信息特征表达；注意力单元以局部文本模态特征为基底，对局部图像依次计算相似度作为权重，通过所有局部图像权重比例，帮助强化局部文本特征；残差单元将文本特征经过全连接层处理后，再与原局部特征相加，防止文本特征退化；降采样单元将文本模态的全局特征和局部特征进行融合，同时减少模态内噪声。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。