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！

龙图腾网获悉天津大学申请的专利基于原型生成器的有监督原型对比学习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：CN120726335B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202511249856.7，技术领域涉及：G06V10/26；该发明授权基于原型生成器的有监督原型对比学习方法是由高洁;赵满坤;李雪威;裴铠杰;刘禹尚;喻梅设计研发完成，并于2025-09-03向国家知识产权局提交的专利申请。

本基于原型生成器的有监督原型对比学习方法在说明书摘要公布了：本发明公开了基于原型生成器的有监督原型对比学习方法，解决了现有技术在处理复杂医学图像时，难以有效整合全局上下文的技术问题。它包括采用骨干网络从输入图像中提取特征；在特征提取后，网络生成两个计算分支，分别用于计算逐像素交叉熵损失和计算原型对比损失；利用下采样过程、加权掩码注意力Transformer和MLP构建原型生成器，生成类原型；将生成的类原型存储在原型存储器中，通过计算像素嵌入与存储原型之间的相似性，计算原型对比损失；结合逐像素交叉熵损失和原型对比损失，形成联合损失函数。本发明能够有效捕获嵌入空间的全局属性，准确反映训练数据的内在结构，能够更好地处理类内像素分布不均和空间信息的忽略问题。

本发明授权基于原型生成器的有监督原型对比学习方法在权利要求书中公布了：1.基于原型生成器的有监督原型对比学习方法，其特征在于，包括以下步骤： S1、采用骨干网络从输入图像中提取特征，生成像素表示R∈RH×W×C，其中，R表示图像特征，H和W是R的空间分辨率，C表示像素维度； S2、在特征提取后，骨干网络生成两个计算分支，分别用于计算逐像素交叉熵损失和计算原型对比损失； S3、利用下采样过程、加权掩码注意力Transformer和多层感知机构建原型生成器，从提取的特征中生成类原型； 所述加权掩码注意力Transformer包括编码器和解码器，编码器用于将输入序列转换为特征表示，解码器用于根据编码器产生的特征表示生成输出序列，编码器和解码器的主要结构包括多头自注意力机制和前馈神经网络，解码器还包括加权掩码注意力，位于解码器的第一层，用于初始化全局信息状态并减少不相关特征对原型的干扰； 所述加权掩码注意力的计算公式如1所示： 1； 其中，X1表示加权掩码注意力的最终输出结果，，分别是图像特征在Transformer中的变换编码，而和是的空间分辨率，CQ表示每个类别全局信息的编码长度，M0表示的预测概率分布中所有位置的真实类别预测概率，J表示值为1且形状和M0相同的张量，表示第层生成的查询向量，X0表示Transformer解码器的输入查询向量； S4、将生成的类原型存储在原型存储器中，通过计算像素嵌入与存储原型之间的相似性，计算原型对比损失； S5、结合逐像素交叉熵损失和原型对比损失，构建联合损失函数，用于训练图像分割模型。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。