复旦大学陈智能获国家专利权
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！
龙图腾网获悉复旦大学申请的专利基于自监督排序学习的图像去冗余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：CN116612021B 。
龙图腾网通过国家知识产权局官网在2025-11-14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：202310492353.7，技术领域涉及：G06T5/77；该发明授权基于自监督排序学习的图像去冗余方法是由陈智能;罗扬;吴祖煊;姜育刚设计研发完成，并于2023-05-05向国家知识产权局提交的专利申请。
本基于自监督排序学习的图像去冗余方法在说明书摘要公布了：本发明属于图像智能分析领域，具体为一种基于自监督排序学习的图像去冗余方法。本发明将图像切分为不相交的小图像块集合，进而提出基于图像块推理重建质量的伪标签生成方法，以及基于此的图像块重要性排序建模及冗余内容识别。基于此，本发明的图像识别等下游任务可以仅在依据排序模型选择得到的重要图像块而不是全部图像内容上进行。本发明可以在保持识别精度的情况下，大幅降低当前具备识别优势的视觉自注意模型的计算代价。此外，该方法突破了传统有监督图像冗余内容识别方法会带来归纳偏差的不足，具有更好的通用性，并在相同的去冗余比例下具有更高的识别精度。
本发明授权基于自监督排序学习的图像去冗余方法在权利要求书中公布了：1.一种基于自监督排序学习的图像去冗余方法，其特征在于，包括以下步骤： 步骤一、训练-伪标签生成 对输入图像进行简单图像处理后切分为大小相等的图像块集合，在高掩码比例下将图像块集合分为掩码集合和可见集合，利用预训练好的掩码图像模型，使其通过可见集合去重建原图像获得锚图像，遍历可见集合，每次有放回地移除一个可见图像块，使其在移除该可见图像块条件下重建原图像，量化该原图像与锚图像的差异，量化结果视作语义密度伪标签，遍历结束后，获得所有可见图像块的伪标签结果，构建图像，图像块，伪标签三元组； 步骤二、训练-排序学习 将步骤一得到的三元组作为样本数据，采用稀疏化设计训练一个排序模型，通过排序学习损失进行约束，训练结束后，保留排序模型作为图像块的语义重要性评估模型，丢弃掩码图像模型； 步骤三、推理-去冗余 以基于语义重要性评估模型获得的输入图像中的语义重要性高的图像块作为重要图像块，在下游任务中只保留重要图像块，通过这种方式实现去冗余。
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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励