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！

龙图腾网获悉四川大学;四川鹏旭斯特科技有限公司申请的专利一种面向部分标签的多模态学习方法、系统及存储介质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：CN119557730B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411642626.2，技术领域涉及：G06F18/241；该发明授权一种面向部分标签的多模态学习方法、系统及存储介质是由彭德中;苏超;孙元;胡鹏;王旭;孔中;张良;秦阳;段思远;刘浩然;刘杰;付俊英设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本一种面向部分标签的多模态学习方法、系统及存储介质在说明书摘要公布了：本发明公开了一种面向部分标签的多模态学习方法、系统及存储介质，包括以下步骤：S1：处理包括图像和对应文本描述的训练数据集，得到具有部分标签的训练数据集；S2：根据处理后的训练数据集构建面向部分标签的多模态学习模型用于跨模态检索；S3：向多模态学习模型输入需要检索的数据模态，并计算其与检索库中数据的相似性；S4：根据计算的数据相似性进行相似性排序，输出跨模态检索结果；本发明解决了带有部分标签的跨模态检索面临的标签歧义和模态差异问题，提高了跨模态检索的准确率。

本发明授权一种面向部分标签的多模态学习方法、系统及存储介质在权利要求书中公布了：1.一种面向部分标签的多模态学习方法、系统及存储介质，其特征在于，所述方法包括： S1：处理包括图像和对应文本描述的训练数据集，得到具有部分标签的训练数据集； S2：根据处理后的训练数据集构建面向部分标签的多模态学习模型用于跨模态检索； S3：向多模态学习模型输入需要检索的数据模态，并计算其与检索库中数据的相似性； S4：根据计算的数据相似性进行相似性排序，输出跨模态检索结果； 步骤S2中具体包括： S21：利用编码器提取输入模型中样本的特征向量； S22：利用softmax函数得到样本属于每个标签的概率分布； S23：通过得到的样本标签概率分布提取每个样本在训练过程中的消歧后标签； S24：通过同时考虑在候选标签集合和非候选标签集合上的损失，鼓励模型在消歧候选标签集的同时减小对非候选标签的预测概率； S25：利用模型在训练过程中消除歧义后的标签作为伪标签，进行实例级别的跨模态对比学习以消除模态差异； S26：通过为图像数据和文本数据分别维持与类别数目相同的类别原型向量，然后执行原型层面的跨模态对齐，进一步缩小跨模态差异； S27：通过循环执行上述过程，通过总的损失函数指导模型参数在训练数据集上的更新； 所述步骤S24中的图像和文本模态的消歧损失表达式如下： 其中，ω为用于平衡候选标签集合和非候选标签集合上的消歧损失的超参数，fx表示模型的输出，py＝c|x表示模型给样本x属于类别c的标签置信度，py＝c|x，fx表示应用softmax函数后的预测概率， 因此模型总体的消歧损失表达式为： 其中，和分别表示图像和文本模态的消歧损失，表示模型使用的总消歧损失； S3：向多模态学习模型输入需要检索的数据模态，并计算其与检索库中数据的相似性； S4：根据计算的数据相似性进行相似性排序，输出跨模态检索结果。

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四川大学;四川鹏旭斯特科技有限公司，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。