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！

龙图腾网获悉上海阶跃星辰智能科技有限公司申请的专利基于OCR的任务处理方法、设备、介质及产品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：CN120260047B 。

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：202510748638.1，技术领域涉及：G06V30/14；该发明授权基于OCR的任务处理方法、设备、介质及产品是由葛政;孙建建;魏浩然;刘成龙;陈锦岳设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本基于OCR的任务处理方法、设备、介质及产品在说明书摘要公布了：本申请实施例涉及信息技术基于OCR的任务处理方法、设备、介质及产品。方法包括：根据文档图像和视觉编码器，确定图像特征；通过连接器，将图像特征映射至解码器的文本空间；根据针对文档图像发出的文本指令，确定文本特征；根据解码器，对图像特征和所述文本特征进行融合，确定OCR的识别结果。可以至少用以解决传统OCR框架中各个模块相对独立，模块之间因衔接和误差累积带来的准确性降低，以及处理多种复杂任务时泛化能力不足的技术问题。

本发明授权基于OCR的任务处理方法、设备、介质及产品在权利要求书中公布了：1.一种基于OCR的任务处理方法，其特征在于，所述方法应用于多模态视觉语言模型，所述多模态视觉语言模型采用端到端训练得到；所述多模态视觉语言模型包括视觉编码器、连接器和解码器；所述方法包括： 根据文档图像和所述视觉编码器，确定图像特征； 通过所述连接器，将所述图像特征映射至解码器的文本空间；其中，所述连接器为维度为1024×1024线性层MLP，用于融合处理来自不同模态的信息； 根据所述解码器，针对所述文档图像发出的文本指令，确定文本特征；其中，所述文本指令至少包括以下之一：第一文本指令、第二文本指令、第三文本指令和第四文本指令；所述第一文本指令，用于对普通文本进行识别；所述第二文本指令，用于对带格式的文本进行识别；所述第三文本指令，用于对超高分辨率图像的文本进行识别；所述第四文本指令，用于对存在多页文档的文本进行识别； 根据所述解码器，对所述图像特征和所述文本特征进行融合，促使视觉信息与文本信息相互补充以生成文本序列，确定OCR的识别结果； 其中，所述多模态视觉语言模型的训练方法包括：将所述视觉编码器接入预设的语言模型进行预训练，确定目标视觉编码器；将目标视觉编码器接入所述解码器，并根据所述目标视觉编码器的参数和所述解码器进行训练，得到所述多模态视觉语言模型。

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阶跃星辰智能科技有限公司，其通讯地址为：200232 上海市徐汇区云锦路701号30层；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。