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！

龙图腾网获悉河南大学申请的专利一种基于CSC和提示学习的零样本图像描述生成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：CN119478494B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202411420466.7，技术领域涉及：G06V10/764；该发明授权一种基于CSC和提示学习的零样本图像描述生成方法是由杨晓慧;宋宇;解俊山;赵泉翎设计研发完成，并于2024-10-12向国家知识产权局提交的专利申请。

本一种基于CSC和提示学习的零样本图像描述生成方法在说明书摘要公布了：本发明公开了一种基于CSC和提示学习的零样本图像描述生成方法，该方法基于卷积稀疏编码思想，构造两层图像稀疏特征提取模型，通过提取稀疏特征减少干扰特征然后导入图像编码器进一步提取特征，再将得到的图像的特征经过文本解码器得到图像的类别硬提示，最后将图像的类别硬提示和图像特征输入大语言模型进行图像描述生成。该方法通过图像稀疏特征提取和加入类别硬提示使大语言模型在生成图像描述时可以充分利用到原图像中的关键信息，减少图像中背景特征的干扰，减轻大模型幻觉问题，可以在开放世界环境中得到更好的图像描述生成效果。

本发明授权一种基于CSC和提示学习的零样本图像描述生成方法在权利要求书中公布了：1.一种基于CSC和提示学习的零样本图像描述生成方法，其特征在于：包括以下步骤： 1对DIV2k数据集中的图像加入噪声并进行数据增强操作当作训练集使用； 2基于卷积稀疏编码，构造两层图像稀疏特征提取模型； 3使用步骤2建立的图像稀疏特征提取模型对训练集的图像进行训练，计算每次迭代的网络模型的损失函数值，直至损失函数值收敛到最小，保存训练模型； 4载入训练后的图像稀疏特征提取模型，对测试图像进行稀疏特征提取并导入图像编码器进一步提取特征； 5将得到的图像的特征经过文本解码器得到图像的类别硬提示； 6将图像的类别硬提示和图像特征输入大语言模型进行图像描述生成； 步骤2具体包括： 首先构建卷积稀疏编码模块；通过卷积稀疏编码将输入信号表示为以下形式： 其中，x∈RL×W×C是输入信号，L×W表示输入信号的空间维度，R为实数集，C为输入信号的通道数；da表示字典中的第a个原子，其对应于一个卷积核，sa是与之对应的稀疏编码系数； 此时的优化目标是最小化以下损失函数： 式中，λ是稀疏性参数； 记D＝d1,d2,…,dC，Γ＝s1,s2,…,sCT；d1,d2,…,dC分别表示字典中的原子，D表示由原子组成的向量；s1,s2,…,sC分别表示稀疏编码系数，Γ表示其组成的向量； 则上式可简化为： 其中，前一项表示重构误差，后一项表示稀疏性约束； 使用两步的FISTA算法来求解优化目标，并取初始的Γ值Γ0＝0来初始化得到迭代第一步的Γ值Γ1： 其中，X为输入图像，DTX相当于执行卷积操作，对于DTDX，DX相当于一个反卷积操作，DT为D的转置；然后再乘以DT相当于再进行一次卷积操作，SβL相当于激活函数ReLU； 由此得到了基础的卷积稀疏编码模块，然后叠加两个卷积稀疏编码模块并在中间加入BN层就得到了图像稀疏特征提取模型，记输入图像为X，输出的稀疏特征为Y，则该过程可以通过以下公式表示： Y＝CSCBNCSCX。

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河南大学，其通讯地址为：475001 河南省开封市金明区明伦街85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。