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！

龙图腾网获悉北京卓视智通科技有限责任公司申请的专利一种跨模态目标检测方法、系统、电子设备和存储介质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：CN119863603B 。

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：202411770601.0，技术领域涉及：G06V10/25；该发明授权一种跨模态目标检测方法、系统、电子设备和存储介质是由延瑾瑜;吴柯维;周咪咪;朱小平;何晓罡设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本一种跨模态目标检测方法、系统、电子设备和存储介质在说明书摘要公布了：本发明涉及计算机视觉技术领域，具体公开一种跨模态目标检测方法、系统、电子设备和存储介质，该方法包括：将待检测图像输入至RAM模型，得到目标文本数据；所述目标文本数据包含所述待检测图像中的每个目标分别对应的类别名称与类别概率；将所述待检测图像与所述目标文本数据输入至Groundingdino模型进行跨模态特征融合，得到所述待检测图像的目标检测结果。本发明通过RAM模型与Groundingdino模型所形成的自适应模态融合框架，能够突出目标检测的关键信息并抑制噪声信息，从而提高了目标检测的鲁棒性和准确性。

本发明授权一种跨模态目标检测方法、系统、电子设备和存储介质在权利要求书中公布了：1.一种跨模态目标检测方法，其特征在于，包括： 将待检测图像输入至RAM模型，得到目标文本数据；所述目标文本数据包含所述待检测图像中的每个目标分别对应的类别名称与类别概率； 将所述待检测图像与所述目标文本数据输入至Groundingdino模型进行跨模态特征融合，得到所述待检测图像的目标检测结果； 所述Groundingdino模型包括：第一Backbone模块、第二Backbone模块、特征增强器、查询选择模块和跨模态解码器； 所述第一Backbone模块用于：对所述目标文本数据进行特征提取，得到第一文本特征；所述第二Backbone模块用于：对所述待检测图像进行特征提取，得到第一图像特征；所述特征增强器用于：利用deepfusion方式，对所述第一文本特征和所述第一图像特征进行特征提取，得到第二文本特征和第二图像特征；所述查询选择模块用于：根据所述第二文本特征和所述第二图像特征，得到跨模态查询特征；所述跨模态解码器用于：根据所述第二文本特征和所述跨模态查询特征，得到所述待检测图像的目标检测结果； 特征增强器通过以下公式实现： Pi2t＝X-MHAO,P＝SoftMaxAttnTOvWout,L,i∈{0,1,...,L-1} Ot2i＝X-MHAO,P＝SoftMaxAttnσPvWout,I,i∈{0,1,...,L-1} 其中，在特征增强器中，使用DyHead作为图像编码器，使用BERT作为文本编码器，Oi表示第i个阶段的文本特征，O0表示初始文本特征，Pi表示第i个阶段的图像特征，P0表示初始图像特征，X-MHA表示跨模态多头注意力模态，L表示DyHeadModule的数量，BERTLayer表示额外添加在预训练BERT模型之外的层；σ是RAM模型生成的文本信息的质量评估分数，质量评估分数为：包含类别名称的目标对应的类别概率；σ的取值通过RAM模型的sigmoid函数得到，通过sigmoid函数将数据转换为0，1区间内的权重值，噪声较大的文本数据获得的权重较低，而噪声较小的数据点获得较高的权重； X-MHA对应的公式为： Oq＝OWq,I,Pq＝PWq,L,Pv＝PWv,L,Ov＝OWv,I Ot2i＝SoftMaxAttnσPvWout,I Pi2t＝SoftMaxAttnTOvWout,L 其中，{Wsymbol,I,Wsymbol,I:symbol∈{q,v,out}}为可训练参数； 还包括：根据所述待检测图像中的每个目标分别对应的类别名称与类别概率，确定所述目标文本数据对应的第一特征权重与所述待检测图像对应的第二特征权重；所述第一特征权重与所述第二特征权重用于文本特征与图像特征进行特征融合时的权重分配。

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北京卓视智通科技有限责任公司，其通讯地址为：100085 北京市海淀区西三旗昌临813号10号楼1层1002；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。