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！

龙图腾网获悉贵州大学申请的专利一种开放域属性和对象引导的零次学习视觉模型推理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：CN117131377B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202311120969.8，技术领域涉及：G06F18/214；该发明授权一种开放域属性和对象引导的零次学习视觉模型推理方法是由杨静;麻兴江;阮小利;李小勇;胡丙齐设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本一种开放域属性和对象引导的零次学习视觉模型推理方法在说明书摘要公布了：本发明提出了一种开放域属性和对象引导的零次学习视觉模型推理方法，包括以下步骤：S1，将文本信息输入AOGN‑CZSL模型中的文本特征编码器得到基于文本信息的属性特征和对象特征；将图像信息输入AOGN‑CZSL模型中的图像特征提取器得到基于图像信息的属性和对象；S2，通过AOGN‑CZSL模型中的兼容性学习空间P将基于文本信息的属性特征和对象特征，以及基于图像信息的属性和对象进行送入兼容性学习，得到训练完毕的AOGN‑CZSL模型；S3，将待测的图像或者文本输入AOGN‑CZSL模型，得到预测结果。本发明方法能同时处理多属性和多对象，学习不同属性、对象及其组合的丰富依赖结构。以及通过编码器分别学习到属性之间的联系性以及对象之间的联系性，用这种方式学习到的依赖性和联系性比较有序和简单。

本发明授权一种开放域属性和对象引导的零次学习视觉模型推理方法在权利要求书中公布了：1.一种开放域属性和对象引导的零次学习视觉模型推理方法，其特征在于，包括以下步骤： S1，将文本信息输入开放域属性和对象引导的零次学习AOGN-CZSL模型中的文本特征编码器得到基于文本信息的属性特征和对象特征； 将图像信息输入AOGN-CZSL模型中的图像特征提取器得到基于图像信息的属性和对象； 所述将文本信息输入文本特征编码器𝒯包括以下步骤： S1-1，将文本信息中的属性标签yattr和对象标签yobj通过词嵌入模型转化为词嵌入向量形式的属性序列EMBATTR、对象序列EMBOBJ； S1-2，将属性序列EMBATTR、对象序列EMBOBJ送入编码器，所述编码器采用Transformer的Encoder模块； 采用Transformer的Encoder模块作为编码器的编码过程如下： S1-2-1，计算出属性之间和对象之间的关注程度： Q＝EMBWq3 K＝EMBWk4 V＝EMBWv5 此处EMB为输入属性和对象序列的嵌入表示，EMB取EMBATTR或EMBOBJ； Wq、Wk、Wv表示可学习参数矩阵； S1-2-2，得到QQuery、KKey、VValue的值后，注意力系数矩阵通过公式6来计算： 其中AEMB表示嵌入向量EMB的注意力系数矩阵； KT表示K的转置矩阵； d代表EMB的维度； 为残差连接； S1-2-3，将嵌入向量EMB的注意力系数矩阵通过两层线性映射并用非线性激活函数激活： EMBhidden＝LinerσLinerAEMB7 其中EMBhidden表示隐藏层特征； σ是非线性激活函数； 然后对EMBhidden与AEMB进行残差连接和层归一化： EMB′＝LayerNormEMBhidden+AEMB8 最后得到属性序列、对象序列经过学习后所得到的特征矩阵： Tattr＝EMB′ATTR9 Tobj＝EMB′OBJ10 EMB′ATTR为经过Encoder后属性序列的嵌入表示； EMB′OBJ为经过Encoder后对象序列的嵌入表示； Tattr和Tobj分别表示属性和对象的文本特征，它们包含了属性-属性和对象-对象的依赖性； AOGN-CZSL模型采用损失函数约束和鼓励图像特征提取器和文本特征编码器挖掘属性和对象的视觉特征和文本特征，损失函数的表达式如下： 其中min表示使损失达到最小； |T|是训练集中训练元素个数； exp表示以自然常数e为底的指数函数； 表示对表示二元组Ii,attri的兼容性评分； 表示对表示二元组Ii,objj的兼容性评分； Ii是第i个输入的图像； attri、obji分别表示Ii的真实属性标签和真实文本标签； attrj,objj分别表示所有预测的真实属性标签和真实文本标签； attr,obj分别表示属性和文本标签； 是兼容性评分函数； ω、θ、τ、表示可学习参数； ys表示可见组合； S2，通过AOGN-CZSL模型中的兼容性学习空间P将基于文本信息的属性特征和对象特征，以及基于图像信息的属性和对象进行送入兼容性学习，得到训练完毕的AOGN-CZSL模型； S3，将待测的图像或者文本输入AOGN-CZSL模型，得到预测结果。

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贵州大学，其通讯地址为：550000 贵州省贵阳市花溪区贵州大学；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”。