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！

龙图腾网获悉有米科技股份有限公司申请的专利基于图像和文本的模型训练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：CN115240102B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202210705808.4，技术领域涉及：G06V20/40；该发明授权基于图像和文本的模型训练方法及装置是由陈畅新;黄于晏;陈第设计研发完成，并于2022-06-21向国家知识产权局提交的专利申请。

本基于图像和文本的模型训练方法及装置在说明书摘要公布了：本发明公开了一种基于图像和文本的模型训练方法及装置，该方法包括：对训练视频进行抽帧操作，得到训练视频对应的多个训练视频帧；从多个训练视频帧中确定出目标表征帧图像，对目标表征帧图像进行复制以得到多个复制表征帧图像；将多个复制表征帧图像和描述文本输入视频重建预测模型进行训练；在训练中计算视频重建预测模型输出视频损失函数值以及文本损失函数值；根据视频损失函数值和文本损失函数值对视频重建预测模型的模型参数进行优化直至收敛，得到训练好的视频重建预测模型。可见，本发明能够在训练中使得模型能够学习到特定视频帧和整个视频的图像联系以及和描述文本的文本联系，进而能够提高最终训练得到的模型的视频重建能力。

本发明授权基于图像和文本的模型训练方法及装置在权利要求书中公布了：1.一种基于图像和文本的模型训练方法，其特征在于，所述方法包括： 确定用于训练模型的训练视频和对应的描述文本； 对所述训练视频进行抽帧操作，得到所述训练视频对应的多个训练视频帧； 从所述多个训练视频帧中确定出目标表征帧图像，对所述目标表征帧图像进行复制以得到多个复制表征帧图像； 将所述多个复制表征帧图像和所述描述文本输入视频重建预测模型进行训练； 在所述训练中计算所述视频重建预测模型输出的多个预测视频帧和输入的所述多个训练视频帧之间的视频损失函数值，以及所述多个预测视频帧和输入的所述描述文本之间的文本损失函数值，所述文本损失函数值是通过预测文本特征和所述描述文本的原始文本特征进行比对计算得到的，所述预测文本特征是基于所述视频重建预测模型和对应的所述多个预测视频帧提取到的； 根据所述视频损失函数值和所述文本损失函数值对所述视频重建预测模型的模型参数进行优化直至收敛，得到训练好的所述视频重建预测模型。

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有米科技股份有限公司，其通讯地址为：510006 广东省广州市番禺区小谷围街青蓝街26号1701；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。