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！

龙图腾网获悉西安邮电大学申请的专利基于大模型微调的遥感跨模态检索方法及系统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：CN119917691B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510412423.2，技术领域涉及：G06F16/583；该发明授权基于大模型微调的遥感跨模态检索方法及系统是由宁海龙;王思颖;曹小鹏;董怡卓;陈彦萍设计研发完成，并于2025-04-03向国家知识产权局提交的专利申请。

本基于大模型微调的遥感跨模态检索方法及系统在说明书摘要公布了：本申请公开了一种基于大模型微调的遥感跨模态检索方法及系统，方法包括：S1、将获取的遥感图像和或描述文本输入到经过训练的遥感图像文本检索网络中进行处理得到跨模态融合后的图像特征和或文本特征；S2、基于图像特征和或文本特征获取与遥感图像和或描述文本相匹配的文本和或图像进行输出；步骤S1包括：通过图像文本编码器从遥感图像和或描述文本中提取初始图像特征和或初始文本特征；通过跨模态非对称适配器对初始图像特征和或初始文本特征进行跨模态融合处理得到跨模态融合后的图像特征和或文本特征；通过双任务一致性损失函数对图像特征和或文本特征进行优化处理。

本发明授权基于大模型微调的遥感跨模态检索方法及系统在权利要求书中公布了：1.一种基于大模型微调的遥感跨模态检索方法，其特征在于，所述方法包括： S1、将描述遥感图像的文本作为描述文本，将所述遥感图像和所述描述文本输入到经过训练的遥感图像文本检索网络中进行处理得到跨模态融合后的图像特征和文本特征； S2、基于所述图像特征和所述文本特征获取与所述遥感图像和所述描述文本相匹配的文本和图像进行输出； 其中，所述步骤S1包括： S11、通过图像文本编码器从所述遥感图像和所述描述文本中提取初始图像特征和初始文本特征； S12、通过跨模态非对称适配器对所述初始图像特征和所述初始文本特征进行跨模态融合处理得到所述跨模态融合后的图像特征和文本特征； S13、通过双任务一致性损失函数对所述图像特征和所述文本特征进行优化处理； 所述步骤S12，包括： S121、对所述初始图像特征和所述初始文本特征进行降维处理； S122、对降维处理后的所述初始图像特征和所述初始文本特征使用非线性激活函数GELU处理； S123、对经过所述非线性激活函数处理的所述初始图像特征和所述初始文本特征分别进行特征表达增强处理； S124、将基于特征表达增强处理的所述初始图像特征和所述初始文本特征输入到共享层进行跨模态融合处理得到跨模态融合后的图像特征和文本特征； 所述跨模态非对称适配器包括：视觉增强适配器和文本语义适配器；其中，所述视觉增强适配器和所述文本语义适配器中分别包含有线性变换和非线性激活函数；所述视觉增强适配器通过差分注意力机制对所述初始图像特征进行特征表达增强处理，所述文本语义适配器通过层级注意力机制对所述初始文本特征进行特征表达增强处理； 所述双任务一致性损失函数包括以下损失项： 一致性约束损失项，基于指数移动平均机制将文本模态作为教师模型指导图像模态学习； 跨模态约束损失项，通过余弦相似性衡量图像与文本的全局对齐； 分类约束损失项，计算预测概率分布与真实类别分布的差异； 基于自适应权重调整策略对所述一致性约束损失项、所述跨模态约束损失项以及所述分类约束损失项进行动态加权，对所述图像特征和所述文本特征进行优化。

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西安邮电大学，其通讯地址为：710061 陕西省西安市长安南路563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”。