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！

龙图腾网获悉复旦大学申请的专利面向多模态知识图谱构建的识别视觉概念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：CN114510610B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202210188998.7，技术领域涉及：G06N5/022；该发明授权面向多模态知识图谱构建的识别视觉概念的方法是由蒋雪瑶;肖仰华;李直旭;梁家卿;郭放设计研发完成，并于2022-02-28向国家知识产权局提交的专利申请。

本面向多模态知识图谱构建的识别视觉概念的方法在说明书摘要公布了：本发明提供一种面向多模态知识图谱构建的识别视觉概念的方法，第一次显式地提出在面向多模态知识图谱构建过程中有针对地识别视觉概念这一问题，将该问题建模为一个二分类问题，筛选并设计了解决该分类问题所需的特征数据，从而构建出了一个双流的含BERT模型和图像分类模型的多模态分类模型，用来编码和融合待测概念的文本特征和图像特征，从而达到区分视觉概念和非视觉概念的目的。同时，该多模态分类模型采用了二阶段的PULearning的训练方法，用纯自动化的方式实现了训练数据的初始化，用自训练的思想在迭代中自动化地有效地扩充训练数据集，在扩充的过程中也完全规避了人工的手段且提升了分类网络的准确率。

本发明授权面向多模态知识图谱构建的识别视觉概念的方法在权利要求书中公布了：1.一种面向多模态知识图谱构建的识别视觉概念的方法，其特征在于，包括以下步骤： 步骤S1，构建一个区分视觉概念和非视觉概念的二分类模型，并对其采用自训练进行迭代训练，从而获取多模态视觉概念分类模型； 步骤S2，将待测概念输入至所述多模态视觉概念分类模型，从而获取所述待测概念为视觉概念的概率， 其中，所述多模态视觉概念分类模型具有BERT子模型、图像分类子模型以及二值分类网络， 所述多模态视觉概念分类模型采用二阶段的PULearning的学习策略进行训练，训练过程为： 第一阶段，采用网络监督的初始化方法从无标记数据中筛选出与正集大小相同的可靠负集，将所述可靠负集与已标注的正集组合成初试训练集， 第二阶段，利用所述初试训练集对所述二分类模型进行迭代训练直至所述二分类模型的准确率不再提升， 所述可靠负集的获取过程如下： 步骤T1，从未标注数据中随机抽取一部分数据作为伪负样例； 步骤T2，将所述伪负样例和正样例混合后用以训练所述二分类模型； 步骤T3，利用训练后的二分类模型对所述未标注数据进行预测得到若干候选负样例； 步骤T4，通过评估所述未标注数据的概念网络图像的多样性，从所述候选负样例中筛选出可靠负样例； 步骤T5，计算所述可靠负样例的置信度，并取置信度最高的预定数量的候选负样例作为所述可靠负集， 其中，多样性的计算公式为： 式中，是概念c的第i张图通过预训练的图像分类模型的输出特征，n是从网络上爬取的图的数量， 置信度的计算公式为： Confc＝softmax1-pc+softmaxDc 式中，pc为分类网络输出的该概念是视觉概念的概率。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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。