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！

龙图腾网获悉电子科技大学申请的专利一种基于自适应视觉残差聚合网络的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：CN119851033B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202510018964.7，技术领域涉及：G06V10/764；该发明授权一种基于自适应视觉残差聚合网络的提示学习方法是由左琳;余芸倩;何沛;彭浩然;何坤彬设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本一种基于自适应视觉残差聚合网络的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自适应视觉残差聚合网络的提示学习方法，属于深度学习技术领域。本发明通过在CLIP模型中引入视觉残差聚合模块以及语义一致性模块根据大模型实际应用场景存在的问题对新类进行分类检测，首先，使用残差聚合模块可实现自适应融合类无关特征，从而有效保留泛化知识。然后，通过语义一致性模块引入一个可学习的线性层，并将残差聚合模块获得的自适应特征输入到语义一致性模块中，加入语义一致性损失和真实标签对泛化性文本提示进行训练。最后通过对比学习，得到最终的分类结果。本发明提出的方法在进行分类任务时，特别是对新类检测，能够有效利用模型遗忘的泛化特征和语义特征对文本提示进行训练，实现了模型的泛化能力和语义识别能力之间的动态平衡，使模型更适配下游任务，有效提高模型在新型上的准确率。

本发明授权一种基于自适应视觉残差聚合网络的提示学习方法在权利要求书中公布了：1.一种基于自适应视觉残差聚合网络的提示学习方法，包括以下步骤： 步骤1，获取所需的分类数据集，并对数据集中的图片进行初步处理，划分基类训练集，基类测试集和新类测试集； 步骤2，对所得到的分类数据进行预处理，将每个图片转化为多个图像块，并进行归一化处理，输入CLIP模型； 步骤3，利用残差聚合模块对步骤2中得到的图像数据自适应提取浅层泛化性特征，并与深层语义特征融合，有效提取图像中具有泛化性且可以同时适用于新类识别的特征；通过类似残差网络的分支结构把CLIP模型的浅层特征与分类层的特征相连，进行特征的自适应融合，计算公式如下所示： feafin＝Fa， F＝[fea1，fea2，…，fean，fealast] 其中，n为浅层数；fea1至fean为浅层特征；fealast为最后一层的特征；a1至an为自适应参数，跟随网络一起训练，用于权衡泛化特征和类相关特征的比例，这里将am的初始经验值设为0.1；feafin为自适应融合后的特征；然后，用融合后的特征替换深层特征，用于对比学习和输入语义一致性模块； 步骤4，获取步骤3中得到的残差自适应特征以及数据集中的真实标签一同输入语义一致性模块的线性层中；随后，在整体对比学习的损失上加上在可学习的语义一致性损失，提升模型对语义信息的提取能力，进行特征层面的约束进而提取到具有较强自区分共性的特征； 步骤5，将步骤4得到的特征输入分类器网络中得到最终的分类结果，采用的损失函数包括对比学习的分类损失、文本泛化性损失和语义一致性损失； 步骤6，在基类训练集上训练步骤3、4、5所搭建的自适应视觉残差聚合网络。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。