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！

龙图腾网获悉南京理工大学申请的专利一种基于对齐自纠正的鲁棒跨模态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：CN115640412B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202211384966.0，技术领域涉及：G06F16/483；该发明授权一种基于对齐自纠正的鲁棒跨模态检索方法是由郭金一;林晓凡设计研发完成，并于2022-11-07向国家知识产权局提交的专利申请。

本一种基于对齐自纠正的鲁棒跨模态检索方法在说明书摘要公布了：本发明公开了一种基于对齐自纠正的鲁棒跨模态检索方法，该方法包括：提取视觉特征与文本特征；将视觉特征与文本特征输入跨模态检索网络中做深度融合；使用多任务训练模型进行预热；使用预热后的模型计算所有样本对的损失；对损失数值拟合贝塔混合模型；利用贝塔混合模型对数据中对齐标签进行自纠正；使用新标签训练模型至收敛得到跨模态检索模型。本发明提出的鲁棒跨模态检索方法，能够通过损失分布自适应地纠正跨模态检索中错误的数据，提高了在噪声监督下的跨模态检索性能。

本发明授权一种基于对齐自纠正的鲁棒跨模态检索方法在权利要求书中公布了：1.一种基于对齐自纠正的鲁棒跨模态检索方法，其特征在于，包括如下步骤： 步骤1、提取视觉特征与文本特征； 步骤2、将视觉特征与文本特征进行拼接[v1,…vm,t1,…tn]，拼接后输入跨模态检索Transformer网络Tθ中做深度融合； 步骤3、使用多任务训练模型进行预热；多任务训练包括以下部分： 1将Transformer网络Tθ输出的全局[CLS]特征二分类，计算交叉熵损失，进行图片文本匹配任务，具体形式为： 其中，Classifier·为两层神经网络，lBCE为二分类损失，为全局[CLS]特征的分类预测，yi为当前图片文本对的对齐标签，yi∈{0,1}； 2将Transformer网络Tθ输出的MASK的特征进行掩码预测，计算分类损失，进行单词掩码预测任务，具体形式为： lMLM＝-Et,v～DlogPθtm|t\m,v 其中，E·为取均值，t,v～D为对数据集D中数据采样得到图片文本对特征t,v，lMLM为掩码预测损失，Pθtm|t\m,v为观测到MASK外的单词t\m与所有图片区域v后对MASK单词的预测； 步骤4、使用预热后的模型计算所有样本对的损失； 步骤5、对损失数值拟合贝塔混合模型；继续训练跨模态检索模型，计算样本损失值属于均值较大的贝塔混合模型的后验概率并对对齐标签进行自纠正； 步骤6、利用贝塔混合模型对数据中对齐标签进行自纠正； 步骤7、使用新标签训练模型至收敛得到跨模态检索模型。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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”。