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！

龙图腾网获悉南京邮电大学申请的专利一种基于提示引导的零样本图像分类方法及系统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：CN118691899B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202410857514.2，技术领域涉及：G06V10/764；该发明授权一种基于提示引导的零样本图像分类方法及系统是由徐小龙;徐旸;徐佳设计研发完成，并于2024-06-28向国家知识产权局提交的专利申请。

本一种基于提示引导的零样本图像分类方法及系统在说明书摘要公布了：本发明涉及一种基于提示引导的零样本图像分类方法及系统，涉及计算机视觉人工智能技术领域。方法包括：根据全局语义表示、实例提示表示和实例视觉表示计算得到增强视觉表示、所有类别的属性的相似度分数、分类模型优化的总损失，将所述总损失作为优化目标，优化分类模型的参数；根据优化后的分类模型计算所给图像与不可见类别的属性之间的相似度分数，输出图像对应的预测标签，实现零样本图像的分类。本方法能够在没有可训练的图像样本的场景下，充分利用文本语义提示和属性向量进行自动图像分类，保证了实例级语义信息和实例级视觉信息可靠的跨模态交流，提高了图像分类的精度。

本发明授权一种基于提示引导的零样本图像分类方法及系统在权利要求书中公布了：1.一种基于提示引导的零样本图像分类方法,其特征在于，所述方法包括以下步骤： 根据全局语义表示、实例提示表示和实例视觉表示计算得到增强视觉表示；将融合了语义信息的增强视觉表示投影至语义属性空间，计算得到与所有类别的属性的相似度分数； 根据语义属性一致性损失、提示属性一致性损失、交叉熵损失和去偏损失计算分类模型优化的总损失，将所述总损失作为优化目标，优化分类模型的参数； 根据优化后的分类模型计算所给图像与不可见类别的属性之间的相似度分数，输出图像对应的预测标签，实现零样本图像的分类；所述根据全局语义表示、实例提示表示和实例视觉表示计算得到增强视觉表示包括： 从数据集中获得可见类的实例图像、对应可见类的属性向量和共享属性的全局语义描述，通过属性向量获得对应的文本化实例提示； 将全局语义描述和实例图像对应的实例提示输入到文本编码器中，得到全局语义表示和实例提示表示；将实例图像输入到视觉编码器的前-1层，得到实例视觉表示； 将全局语义表示和实例视觉表示送入语义视觉跨模态融合模块中的视觉实例引导的全局语义增强解码器，得到增强全局语义表示； 将增强全局语义表示和实例提示表示输入到语义视觉跨模态融合模块中的提示实例引导的局部增强语义增强解码器，得到局部增强后的局部增强语义表示； 将实例视觉表示和局部增强语义表示输入到语义视觉跨模态融合模块中的局部增强语义引导的视觉解码器中，获得增强视觉表示； 将增强视觉表示输入到视觉编码器的最后一层编码层进行编码得到编码结果； 将编码结果、全局语义表示、实例提示表示送入提示引导的语义视觉跨模态融合模块，得到可判别的增强视觉表示； 所述根据语义属性一致性损失、提示属性一致性损失、交叉熵损失和去偏损失计算分类模型优化的总损失包括： 其中，为语义属性一致性损失、为提示属性一致性损失、为交叉熵损失、为去偏损失、为优化总损失；、分别为视觉实例引导的全局语义解码器和提示实例引导的局部语义解码器中的注意力分数，表示一维全局最大池化函数，为该类的属性向量，表示向量二范数的平方，、分别为可见类和不可见类预测相似度分数的均值，、分别为可见类与不可见类预测相似度分数的方差，、和为加权系数。

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南京邮电大学，其通讯地址为：214000 江苏省无锡市经济开发区太湖街道黄金湾工业园；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”。