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！

龙图腾网获悉重庆师范大学申请的专利几何维度与语义维度增强在无偏场景图生成上的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：CN116229463B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202310147963.3，技术领域涉及：G06V20/70；该发明授权几何维度与语义维度增强在无偏场景图生成上的方法是由张汝荟;张汝萃;许鹏程;杨有设计研发完成，并于2023-02-22向国家知识产权局提交的专利申请。

本几何维度与语义维度增强在无偏场景图生成上的方法在说明书摘要公布了：本发明涉及计算机视觉技术领域，具体涉及一种几何维度与语义维度增强在无偏场景图生成上的方法，包括构建谓词类树形结构；往目标检测模型中输入数据集图片，输出处理结果；将处理结果输入语义模块和几何模块输出新联合区域特征；定义损失函数，得到设计的类平衡摇摆损失函数；将新联合区域特征输入变换器模型中，使用设计的类平衡摇摆损失函数计算物体中对每一个谓词类的概率值，得到第一概率值；将概率值代入谓词类树形结构，使用基于树形的类平衡摇摆损失函数计算概率值，得到第二概率值；将第一概率值和第二概率值加权求和，得到最终概率值；基于最终概率值输出图片对应的三元组，改善了数据集的长尾分布阻碍深度学习的问题。

本发明授权几何维度与语义维度增强在无偏场景图生成上的方法在权利要求书中公布了：1.一种几何维度与语义维度增强在无偏场景图生成上的方法，其特征在于，包括以下步骤： 构建谓词类树形结构； 往目标检测模型中输入数据集图片，输出处理结果； 将所述处理结果输入语义模块和几何模块输出新联合区域特征； 定义损失函数，得到设计的类平衡摇摆损失函数； 将所述新联合区域特征输入变换器模型中，使用设计的类平衡摇摆损失函数计算物体中对每一个谓词类的概率值，得到第一概率值； 将所述概率值代入所述谓词类树形结构，使用基于树形的类平衡摇摆损失函数计算概率值，得到第二概率值； 将所述第一概率值和所述第二概率值加权求和，得到最终概率值； 基于所述最终概率值输出图片对应的三元组； 所述将所述处理结果输入语义模块和几何模块输出新联合区域特征，包括： 获取所述处理结果中的词嵌入向量和物体的位置信息； 将所述词嵌入向量输入语义模块进行处理，得到第一输出结果； 将所述物体的位置信息输入几何模块进行处理，得到第二输出结果； 将所述第一输出结果、所述第二输出结果和联合区域特征进行全连接操作，得到连接矩阵； 将所述连接矩阵经过线性整流激活函数、随机失活层和线性层处理，得到新联合区域特征； 所述将所述词嵌入向量输入语义模块进行处理，得到第一输出结果，包括： 将所述词嵌入向量输入语义模块； 所述语义模块对所述词嵌入向量进行点积操作，得到操作结果； 所述语义模块对所述操作结果使用5×5卷积、线性整流激活函数、平均池化和两个3×3卷积后进行自适应平均池化，得到池化结果； 所述语义模块对所述池化结果进行两个1×1卷积，得到第一输出结果； 所述将所述物体的位置信息输入几何模块进行处理，得到第二输出结果，包括： 将所述物体的位置信息输入几何模块； 所述几何模块获取基于所述物体的位置信息获取每张图片中物体与相邻物体之间的重合比例，并获取每个物体与重合比例最高的物体对，得到第二输出结果 类平衡摇摆损失函数定义为： ， 其中，为预测的概率值，为节点i的真实值标签，该损失函数包含归一化指数函数和权重值； 基于树形的类平衡损失函数是为叶子节点构建的损失函数，权重公式为： 其中，代表子树中叶节点数量，超参数设置为0.999，q被设置为3.00，真实值为，预测的概率值为 总体损失函数为： 其中，K代表初叶节点外的节点数，的计算和权重公式一致，Softmax函数的输入为父节点的概率值，即该节点所有叶子节点的概率之和的平均值，叶子节点的概率值由类平衡摇摆损失函数计算所得； 总损失函数由类平衡摇摆损失函数与基于树形的类平衡损失函数组成，为： 其中，超参数设置为0.999。

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重庆师范大学，其通讯地址为：401331 重庆市沙坪坝区大学城中路37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。