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！

龙图腾网获悉数据空间研究院申请的专利一种跨模态伪标签引导的弱监督目标检测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：CN120953596B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202511476072.8，技术领域涉及：G06V10/25；该发明授权一种跨模态伪标签引导的弱监督目标检测方法是由孙威蔚;邓天幼;李棒;毕晨曦设计研发完成，并于2025-10-16向国家知识产权局提交的专利申请。

本一种跨模态伪标签引导的弱监督目标检测方法在说明书摘要公布了：本发明涉及计算机视觉与多模态学习技术领域，尤其是一种跨模态伪标签引导的弱监督目标检测方法。本发明构建有标签源域数据集训练图像分类教师模型，并构建教师‑学生网络结构；对目标域图像的区域特征聚类，通过优化源域类别与目标域簇之间的分配代价，为各簇分配伪标签，构建伪标签池；在伪标签池上训练学生模型用于目标域图像的区域特征检测。本发明通过引入跨模态注意力机制，实现了源类别标签与目标域特征之间更精准的语义对齐；结构保持正则项提升了标签分配的稳定性；多轮伪标签置信学习进一步增强了模型的泛化能力。本发明可广泛应用于目标检测、跨域迁移学习和开放世界识别等任务，实现了高效且精准的弱监督目标检测。

本发明授权一种跨模态伪标签引导的弱监督目标检测方法在权利要求书中公布了：1.一种跨模态伪标签引导的弱监督目标检测方法，其特征在于，包括以下步骤： 构建有标签源域数据集，训练图像分类教师模型，并构建教师-学生网络结构； 对目标域图像的区域特征进行聚类；通过优化源域类别与目标域聚类簇之间的最优跨模态分配关系，赋予各聚类簇伪标签，形成伪标签池；初始化高置信伪标签样本集和低置信度伪标签样本； 在伪标签池上训练学生模型，采用收敛后的学生模型更新伪标签池，将高置信伪标签样本集更新为伪标签池中满足约束条件的伪标签样本，低置信度伪标签样本更新为伪标签池不满足约束条件的伪标签样本； 约束条件为：预测概率分布标准差及历史类别概率序列方差均低于设定阈值；历史类别概率序列为每次伪标签池更新时伪标签样本类别概率的序列； 重复训练学生模型，直至伪标签池与高置信伪标签样本集重合时输出学生模型用于检测目标域图像的区域类别； 源域类别与目标域聚类簇之间的最优跨模态分配关系的优化目标为：； 传输矩阵T=，C为源域类别数量，K为目标域聚类簇数量；为从源域类别j分配到目标域聚类簇k的权重，针对每一个目标域聚类簇k，选择最大值对应的源域类别j作为伪标签，并构建伪标签池； 其中，为源域类别j与目标域聚类簇k的代价；为源域类别j的文本模态标签原型向量，为目标域聚类簇k的聚类中心；为注意力代价权重；为源域类别j的标签原型向量到目标域聚类簇k的聚类中心的语义偏差项；为目标域聚类簇k的分配熵；为熵正则权重；标签原型向量为同一标签下所有标注区域的图文嵌入表示的均值。

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数据空间研究院，其通讯地址为：230000 安徽省合肥市高新区柏堰科技园创新大道288号工投高新智谷B区；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。