北京理工大学鉴萍获国家专利权
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！
龙图腾网获悉北京理工大学申请的专利一种基于对比学习的鲁棒视觉问答模型训练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：CN116662591B 。
龙图腾网通过国家知识产权局官网在2026-01-30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：202310646697.9，技术领域涉及：G06F16/532；该发明授权一种基于对比学习的鲁棒视觉问答模型训练方法是由鉴萍;张钧贺设计研发完成，并于2023-06-02向国家知识产权局提交的专利申请。
本一种基于对比学习的鲁棒视觉问答模型训练方法在说明书摘要公布了：一种基于对比学习的鲁棒视觉问答模型训练方法，属于自然语言处理与计算机视觉交叉应用技术领域。本发明在图像增强方面，使用基于视觉上下文扰动的增强方法，通过图像中物体的注意力分布筛选出与问题相关性较弱的视觉上下文，并为其添加扰动以构造新的图像表示，以此让模型学习到视觉上下文无关的图像表示。对于一般疑问句类型的问题，采用删除疑问助动词的策略进行文本增强；对于其它类型的问题，采用改写策略进行文本增强。通过以上数据增强方法构造正样本，再利用对比学习方法进行优化，学习到输入信息的无偏多模态表示。本发明适用人工智能、自然语言处理等领域，增强模型鲁棒性，提高模型在不同场景或不同分布的数据上问答的准确率。
本发明授权一种基于对比学习的鲁棒视觉问答模型训练方法在权利要求书中公布了：1.一种基于对比学习的鲁棒视觉问答模型训练方法，其特征在于：包括如下步骤， 步骤1：对视觉问答的输入问题进行改写，获得改写后的增强问题； 步骤2：输入视觉问答的问题及图像，获得问题特征以及图像特征； 步骤3：将步骤2得到的问题特征以及图像特征，输入到深度协同注意力学习模块，以获得两种模态交互后的注意特征； 步骤4：使用基于视觉上下文扰动的图像增强方法获得增强图像的注意特征； 步骤5：对步骤3的问题、图像表示以及步骤4的增强问题、图像表示分别进行多模态融合，分别获得原样本与正样本的多模态表示； 步骤6：利用对比学习损失函数优化多模态表示，利用交叉熵损失函数优化鲁棒视觉问答模型的预测能力，得到训练后的鲁棒视觉问答模型，根据训练后的鲁棒视觉问答模型实现高鲁棒视觉问答。
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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励