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！

龙图腾网获悉云南师范大学申请的专利基于知识增强与非对称结构的遥感图像-文本检索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：CN120973970B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511033571.X，技术领域涉及：G06F16/583；该发明授权基于知识增强与非对称结构的遥感图像-文本检索方法是由户战选;窦焕民;王思颖;张亚萍;邰永航设计研发完成，并于2025-07-25向国家知识产权局提交的专利申请。

本基于知识增强与非对称结构的遥感图像-文本检索方法在说明书摘要公布了：本发明涉及基于知识增强与非对称结构的遥感图像‑文本检索方法，属遥感图像‑文本跨模态检索技术领域。包括：将待检索的遥感图像和文本输入经过训练的知识增强与非对称结构的视觉‑语言基础模型中，通过模型处理实现跨模态检索；获取检索结果，得到遥感图像与文本的匹配检索输出，完成跨模态检索任务。本发明解决了目前遥感图像与文本模态间存在显著信息不对称性，导致检索性能受限的问题。本发明通过设计跨模态非对称柯尔莫哥洛夫‑阿诺德适配器微调方法，实现高效的模态细粒度共享特征学习；同时从ConceptNet和遥感知识图谱中提取知识，生成知识增强句子以丰富文本语义，从而弥合模态间的语义鸿沟，提升遥感图像‑文本检索性能。

本发明授权基于知识增强与非对称结构的遥感图像-文本检索方法在权利要求书中公布了：1.基于知识增强与非对称结构的遥感图像-文本检索方法，其特征在于：所述方法包括： S1、将待检索的遥感图像和文本输入经过训练的知识增强与非对称结构的视觉-语言基础模型中，通过模型处理实现跨模态检索； S2、获取检索结果，得到遥感图像与文本的匹配检索输出，完成跨模态检索任务； 所述经过训练的知识增强与非对称结构的视觉-语言基础模型执行检索过程包括如下步骤： S11、进行跨模态非对称柯尔莫哥洛夫-阿诺德适配器特征交互； 引入组群性柯尔莫哥洛夫-阿诺德网络到适配器结构，结合模态特异性注意力机制，其中包括差分注意力和层级注意力；对输入的遥感图像提取的视觉特征与文本提取的语义特征，进行细粒度的模态共享特征学习，得到初步融合的跨模态特征表示； S12、通过知识增强模块进行语义补充：从ConceptNet提取常识知识、从遥感知识图谱提取领域特定知识；对输入文本进行实体识别并构建知识图谱，基于知识图谱生成知识增强句子，将知识增强句子与原始文本语义融合，丰富文本语义特征，并将增强后的文本语义特征与S12中初步融合的跨模态特征表示进一步交互，强化跨模态语义关联； 所述S11中，所述进行跨模态非对称柯尔莫哥洛夫-阿诺德适配器特征交互包括： 假设是输入通道的索引，在将总的通道数划分为个组的情况下，每组包含个通道，其中表示对应的组索引；组群性柯尔莫哥洛夫-阿诺德网络在输入向量上的操作表达为： 1 其中，为组群性柯尔莫哥洛夫-阿诺德网络；为映射函数；表示第组对应的变换函数；是线性权重；表示两个函数复合； 经过重写得： 2 GR-KAN层先进行分组的有理函数变换，再接一个线性层实现整体映射；过程如下： 3 其中，为线性层；为分组的有理函数； 差分注意力机制将查询、键和值向量映射到输出，并利用查询与键向量计算注意力分数，再对值向量加权求和；引入一对softmax函数，用于消除注意力分数中的噪声；计算公式如下： 4 其中，分别为查询、键和值向量，并且和都被拆分为两个部分和，用于后续的差分计算；d为查询、键和值向量的维度，分别为的参数；为一个可学习的标量，softmax.为softmax函数； 重新参数化为： 5 其中，为可学习的向量；是用于初始化的常数； 跨模态非对称柯尔莫哥洛夫-阿诺德适配器通过差分注意力机制提取的视觉特征输入至共享层，与文本提取的语义特征进行交互共享，得到初步融合的跨模态特征表示； 在升维至原始输入维度前，引入门控机制动态调节各模态特征的贡献度。

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云南师范大学，其通讯地址为：650500 云南省昆明市呈贡区聚贤街768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。