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一种基于自适应对比学习的跨模态图文检索方法和系统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：CN120045736B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510211202.9，技术领域涉及：G06F16/583；该发明授权一种基于自适应对比学习的跨模态图文检索方法和系统是由杨华;潘仁杰设计研发完成，并于2025-02-25向国家知识产权局提交的专利申请。

本一种基于自适应对比学习的跨模态图文检索方法和系统在说明书摘要公布了：本发明提出基于自适应对比学习的跨模态图文检索方法和系统，包括：在每对正样本的概率分布中引入两个边界参数，计算图像I对应T的概率，调整每对正样本的语义一致性，以及区分克隆负样本的分布特性；定义并计算每个批次样本的显著性分数，选取显著性分数最大和最小的负样本序列作为观测克隆负样本和显著负样本；根据高斯判别分析方法，预测每个批次样本的所有的潜在克隆负样本并生成锚点样本；根据锚点样本的相似度的两个边界条件，迭代更新两个边界参数。本发明针对图文数据集中容易出现的克隆负样本，利用高斯判别分析无需额外训练地预测出每个训练批次中潜在的克隆负样本。为后续进一步学习克隆负样本潜在的高维关键语义打下基础。

本发明授权一种基于自适应对比学习的跨模态图文检索方法和系统在权利要求书中公布了：1.一种基于自适应对比学习的跨模态图文检索方法，其特征在于，包括： 利用图像编码器和文本编码器分别提取图像I和文本T视觉模态特征v和文本模态特征w，并进行相似度计算得到两者在同一子空间下的余弦相似度s； 在每对正样本的概率分布中引入两个边界参数m1和m2，并结合所述余弦相似度s，计算所述图像I对应所述文本T的概率调整每对所述正样本的语义一致性，以及区分克隆负样本的分布特性； 定义并计算每个批次样本的显著性分数，并且选取每个批次样本中所述显著性分数最大和最小的负样本序列作为观测克隆负样本Scln和显著负样本Ssln； 基于所述观测克隆负样本Scln和所述显著负样本Ssln，根据高斯判别分析方法，预测每个批次样本的所有的潜在克隆负样本并生成锚点样本； 根据所述锚点样本的相似度的两个边界条件，迭代更新两个所述边界参数m1和m2的值； 在更新两个所述边界参数m1和m2的值后，自适应对比学习损失，逐批优化实现正负样本间的动态对比学习，训练图像编码器和文本编码器 使用训练好的所述图像编码器和所述文本编码器提取待检测图像和待检测文本的视觉模态特征和文本模态特征，并进行相似度计算得到两者在同一子空间下的余弦相似度，作为跨模态图文检索的依据。

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。