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！

龙图腾网获悉武汉工程大学申请的专利基于扩展层归一化与增强自注意力机制的图像描述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：CN116188766B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310020070.2，技术领域涉及：G06V10/25；该发明授权基于扩展层归一化与增强自注意力机制的图像描述方法是由鲁统伟;王佳荣;杨淇;刘思洋;汪聪设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本基于扩展层归一化与增强自注意力机制的图像描述方法在说明书摘要公布了：本发明公开了一种基于扩展层归一化与增强自注意力机制的图像描述方法，包括以下步骤：提取预设的图像区域特征；构建扩展层归一化的编码器和增强自注意力机制的解码器所形成的图像描述网络结构；设计训练方法，先通过交叉熵损失函数对图像描述网络结构进行模型训练，再通过基于强化学习的训练方法对图像描述网络结构进行模型优化，形成训练后的图像描述模型；输入待检索的图像，通过训练后的图像描述模型推理输出检测结果。本发明解决了目前图像描述方法中模型性能不够的难题。

本发明授权基于扩展层归一化与增强自注意力机制的图像描述方法在权利要求书中公布了：1.基于扩展层归一化与增强自注意力机制的图像描述方法，其特征在于，包括以下步骤： S1、提取预设的图像区域特征； S2、构建扩展层归一化的编码器和增强自注意力机制的解码器所形成的图像描述网络结构； S3、设计训练方法，先通过交叉熵损失函数对图像描述网络结构进行模型训练，再通过基于强化学习的训练方法对图像描述网络结构进行模型优化，形成训练后的图像描述模型；具体为： 首先使用交叉熵损失函数训练模型,然后使用SCST方法再对其进行训练； 给定一个真实数据集的描述单词序列 表示单词序列的长度, 最小化交叉熵损失为： 式中,表示模型参数，表示关于的交叉熵损失，； 用交叉熵损失训练模型后, 按照SCST方法进行强化学习训练模型，最大程度地减少负期望，其相应公式为： 式中, 的是在t时刻从模型采样的单词，r表示CIDEr评价指标作为强化学习的奖赏函数，表示,该相应公式可以进一步近似为式中, 是利用Monte‑Carlo的思想根据进行采样得到的，，是根据模型根据交叉熵损失贪心选择得到的单词集合，是根据和来对模型优化的一种强化学习方法； S4、输入待检索的图像，通过训练后的图像描述模型推理输出检测结果。

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武汉工程大学，其通讯地址为：430074 湖北省武汉市洪山区雄楚大街693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。