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！

龙图腾网获悉清华大学申请的专利基于监督式对比学习的图像处理方法及装置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：CN117893842B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202311720190.X，技术领域涉及：G06V10/77；该发明授权基于监督式对比学习的图像处理方法及装置是由姚海龙;张耕纶设计研发完成，并于2023-12-14向国家知识产权局提交的专利申请。

本基于监督式对比学习的图像处理方法及装置在说明书摘要公布了：本发明提供一种基于监督式对比学习的图像处理方法及装置，其中的方法包括：获取待处理图像；将待处理图像输入至预先训练的视觉自注意力模型，得到图像处理结果；其中，视觉自注意力模型通过整体损失函数进行训练优化得到，整体损失函数包括多样性损失函数、对比学习损失函数以及交叉熵损失函数，所述训练优化的过程不使用数据增强算法。该方法通过可学习数据增强的对比学习方法训练优化视觉自注意力模型，对比学习过程不需要使用任何的数据增强算法，节省了设计数据增强的昂贵成本，与此同时，通过引入对比学习损失函数与交叉熵损失函数，保证了对比学习的质量，进而实现了视觉自注意力模型编码的多样化，提升了对待处理图像的推理精度。

本发明授权基于监督式对比学习的图像处理方法及装置在权利要求书中公布了：1.一种基于监督式对比学习的图像处理方法，其特征在于，包括： 获取待处理图像； 将所述待处理图像输入至预先训练的视觉自注意力模型，得到图像处理结果； 其中，所述视觉自注意力模型通过整体损失函数进行训练优化得到，所述整体损失函数包括多样性损失函数、对比学习损失函数以及交叉熵损失函数，所述训练优化的过程不使用数据增强算法； 对所述视觉自注意力模型进行训练优化，具体包括： 基于给定的预训练模型，获取待训练优化的视觉自注意力模型；其中，将所述预训练模型作为教师模型，将所述待训练优化的视觉自注意力模型作为学生模型； 基于所述教师模型中所有教师注意力模块输出的中间结果，指导所述学生模型的对比学习过程，并引入所述交叉熵损失函数监督对比学习过程，以及，采用所述多样性损失函数使所述学生模型中学生注意力模块的参数多样化，将所述学生模型训练至收敛； 其中，训练至收敛的学生模型为所述预先训练的视觉自注意力模型； 所述学生模型中学生注意力模块包括用于提取图像特征的初始注意力模块、用于图像特征数据增强的中间注意力模块，以及用于捕获图像深度语义的末端注意力模块； 相应地，采用所述多样性损失函数使所述学生模型中学生注意力模块的参数多样化，包括： 采用所述多样性损失函数训练优化所述学生模型中的中间注意力模块，以使所述中间注意力模块模型学习不同的数据增强。

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清华大学，其通讯地址为：100084 北京市海淀区双清路30号清华大学清华园北京100084-82信箱；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。