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！

龙图腾网获悉南京航空航天大学申请的专利一种基于半监督场景识别的图片分类管理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：CN119649108B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411700695.4，技术领域涉及：G06V10/764；该发明授权一种基于半监督场景识别的图片分类管理方法是由黄圣君;范恒博设计研发完成，并于2024-11-26向国家知识产权局提交的专利申请。

本一种基于半监督场景识别的图片分类管理方法在说明书摘要公布了：本发明公开了一种基于半监督场景识别的图片分类管理方法，引入视觉‑语言跨模态模型，定义有标签图片集和无标签图片集作为模型训练集；提取图片视觉特征和图片文本标注的特征；抽取视觉特征图池化之后的嵌入作为图片样本的全局信息，将其输入到场景判别器中得到场景鉴别结果；输入视觉特征图池化前的嵌入并计算类别相关特征；利用图片数据集中类别的共现关系，将标签空间划分为若干簇；同时引入场景识别的辅助任务，利用标签中的共现信息将类别划分为不同的簇，输入图片全局特征来对场景进行判别，得到损失函数。本发明能够提升图片分类的速度与精度，同时提供了场景关键词检索功能，来帮助用户快速对指定图片进行检索定位。

本发明授权一种基于半监督场景识别的图片分类管理方法在权利要求书中公布了：1.一种基于半监督场景识别的图片分类管理方法，其特征在于，包括以下步骤： 1给定图片数据集D，包含用户提供的有标签图片集合Dl和无标签图片集合Du，作为视觉-语言跨模态模型训练集，并初始化视觉-语言跨模态模型可优化参数； 2从训练集中随机挑选B个样本，包含有标签样本图片和无标签样本图片；同时利用视觉-语言模型中的视觉编码器EV·和文本编码器ET·分别提取图片视觉特征和图片文本标注的特征； 3抽取视觉特征图池化之后的嵌入作为图片样本的全局信息，将其输入到场景判别器中得到场景鉴别结果； 4输入视觉特征图池化前的嵌入并计算类别相关特征； 5利用图片数据集中类别的共现关系，将标签空间划分为若干簇，每个簇即代表场景信息； 6结合步骤3中得到的全局性图片特征以及步骤5中场景划分结果计算辅助损失Laux； 7使用步骤4中提取出的类别相关特征，依据样本是否具有标签分别计算监督损失Lsup和无监督损失Lunsup； 8将优化总损失函数并使其最小化作为训练目标，更新可优化提示词参数并返回步骤2进行迭代优化，最终让视觉-语言模型达到收敛状态； 所述步骤3实现过程如下： 视觉-语言模型的视觉分支中存在注意力池化层，其位置位于视觉编码器EV·之后，将视觉特征fi输入到注意力池化层AttenPool中可以同时抽取出全局特征gi和局部特征li： [gi,li]＝AttenPoolfi 将全局特征gi输入到场景鉴别器中得到模型对于当前场景的预测概率；针对经过强增强的样本，鉴别器输出的预测概率为pa，弱增强的样本鉴别器输出的预测概率则为qa；则场景鉴别器对场景的分类结果表示为：表示该图片所属于的场景分组，供用户快速对图片进行检索； 所述步骤4实现过程如下： 使用从视觉分支中提取出的图片局部特征li，以及由类别名称组成的可优化提示词t，使用交叉注意力机制计算图片局部特征图中含有的类别信息；将t作为查询向量，li作为键向量和值向量，具体计算过程为： zi＝TransFormerDect,li,li 其中，zi用于表示图片视觉特征中与不同类别特征相关的部分。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29号南京航空航天大学；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。