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！

龙图腾网获悉中山大学申请的专利一种零样本图像文本转换方法及装置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：CN119942557B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202510093791.5，技术领域涉及：G06V30/148；该发明授权一种零样本图像文本转换方法及装置是由沈颖;曾德龙;林漫;易子皓设计研发完成，并于2025-01-21向国家知识产权局提交的专利申请。

本一种零样本图像文本转换方法及装置在说明书摘要公布了：本发明公开了一种零样本图像文本转换方法及装置，用于解决现有的零样本图像文本转换方法导致生成的输入图像的文本描述的准确度较低的技术问题。方法包括根据获取的文本语料库进行实体表征训练，生成目标实体表征矩阵；采用预置图文对齐表征模型和预置语言处理模型根据文本语料库中的模型训练文本进行训练嵌入提取，生成待训练硬软嵌入；基于预置交叉熵损失函数，根据待训练硬软嵌入对初始解码器模型进行模型训练，确定目标解码器模型；通过预置图文对齐表征模型和预置语言处理模型根据待转换图像和目标实体表征矩阵进行目标嵌入提取，生成目标硬软嵌入；采用目标解码器模型根据目标硬软嵌入进行文本转换，生成待转换图像对应的文本描述。

本发明授权一种零样本图像文本转换方法及装置在权利要求书中公布了：1.一种零样本图像文本转换方法，其特征在于，包括： 获取文本语料库，采用预置图文对齐表征模型和预置对比学习损失函数根据所述文本语料库进行实体表征训练，生成目标实体表征矩阵，包括： 对所述文本语料库中的多个名词实体进行数量统计，确定各所述名词实体对应的出现次数； 将任一大于预置次数阈值的出现次数对应的名词实体作为待训练名词实体，并对各所述待训练名词实体对应的实体向量进行初始化，确定各所述待训练名词实体对应的初始实体向量； 采用多个所述初始实体向量，构建初始实体表征矩阵； 采用预置图文对齐表征模型对所述文本语料库中的矩阵训练文本进行图像表征模拟，生成矩阵训练图像表征； 采用预置语法解析工具根据名词实体集进行正负例实体集构建，确定正负例实体集； 对所述矩阵训练图像表征和所述正负例实体集中的正负例实体对应的实体向量进行相似度计算，确定正负例相似度； 将所述正负例相似度代入预置对比学习损失函数并求导，确定对比学习梯度； 采用所述对比学习梯度对所述初始实体表征矩阵进行更新，确定中间实体表征矩阵，并实时统计矩阵更新次数； 判断所述矩阵更新次数是否达到预置第一训练次数阈值； 若达到，将所述中间实体表征矩阵作为目标实体表征矩阵； 采用所述预置图文对齐表征模型和预置语言处理模型根据所述文本语料库中的模型训练文本进行训练嵌入提取，生成待训练硬软嵌入，包括： 所述待训练硬软嵌入包括待训练硬嵌入和待训练软嵌入； 采用预置图文对齐表征模型对所述文本语料库中的模型训练文本进行图像表征模拟，生成模型训练图像表征； 通过前向感知机模块对所述模型训练图像表征进行向量投影，生成待训练软嵌入； 将所述模型训练文本中的多个名词实体作为语法解析器的输入，输出待训练硬嵌入； 基于预置交叉熵损失函数，根据所述待训练硬软嵌入对初始解码器模型进行模型训练，确定目标解码器模型； 通过所述预置图文对齐表征模型和所述预置语言处理模型根据待转换图像和所述目标实体表征矩阵进行目标嵌入提取，生成目标硬软嵌入； 采用所述目标解码器模型根据所述目标硬软嵌入进行文本转换，生成所述待转换图像对应的文本描述。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。