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！

龙图腾网获悉西安邮电大学申请的专利一种快速可学习的大尺度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：CN116935387B 。

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：202310935568.1，技术领域涉及：G06V20/70；该发明授权一种快速可学习的大尺度图像描述方法是由杨小宝;田茜;宋博辉;贺子青设计研发完成，并于2023-07-27向国家知识产权局提交的专利申请。

本一种快速可学习的大尺度图像描述方法在说明书摘要公布了：一种具有快速归一化的可学习线性注意力的大尺度图像描述方法，所述方法包括如下步骤：S100：采用深度卷积神经网络对待描述的大尺度图像进行初步特征提取，获得该待描述的大尺度图像的第一特征信息；S200：将所述第一特征信息输入包含可学习的线性注意力的编码器进行编码，得到第二特征信息；S300：将所述第二特征信息输入解码器中，得到待描述的大尺度图像的文字表示。所述方法能够加快模型的推理速度，使得大尺度图像描述模型在处理效率问题得到了缓解，同时增强模型的特征表示能力。

本发明授权一种快速可学习的大尺度图像描述方法在权利要求书中公布了：1.一种具有快速归一化的可学习线性注意力的大尺度图像描述方法，所述方法包括如下步骤： S100：采用深度卷积神经网络对待描述的大尺度图像进行初步特征提取，获得该待描述的大尺度图像的第一特征信息； S200：将所述第一特征信息输入包含可学习的线性注意力的编码器进行编码，得到第二特征信息； S300：将所述第二特征信息输入解码器中，得到待描述的大尺度图像的文字表示； 其中， 所述可学习的线性注意力具体为：骨干网络的输出作为自注意力的查询，键和值通过设置为可学习参数得到，简化了查询矩阵和键矩阵的转置相乘，再经过快速归一化函数产生权值，最后与学习到的值矩阵相乘后输出； 归一化为LayerNorm归一化； 所述快速归一化的方式用公式表示为：，Wi为特征图中某一个像素点，i的取值为1~n，n为特征图像素点数量；Wj为特征图中某一像素点，j的取值为1~n，n为特征图像素点数量；Ii为特征图中某一像素点，i的取值为1~n；n为特征图像素点数量；计算权重时，某一像素值Wi除以所有像素值Wj之和，得到0~1之间的值再与Ii相乘，以此类推得到整个特征图的加权特征图； 所述可学习的线性注意力进一步包括块间残差连接，将上一层的输出与输入融合作为当前层的输入，将编码器的最后一层结果输入到解码器中； 所述块间残差连接用公式表示为：，其中，X表示Transformer每一子层的输入，表示Transformer每一子层的完整操作，符号表示元素相加，l表示Transformer编码层的第l层。

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西安邮电大学，其通讯地址为：710061 陕西省西安市长安南路563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。