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！

龙图腾网获悉湖南师范大学申请的专利一种基于噪声鲁棒提示学习框架的重识别模型训练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：CN120148072B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510541991.2，技术领域涉及：G06V40/10；该发明授权一种基于噪声鲁棒提示学习框架的重识别模型训练方法及系统是由王学平;王龙轩;罗世喜;刘敏;刘帅设计研发完成，并于2025-04-28向国家知识产权局提交的专利申请。

本一种基于噪声鲁棒提示学习框架的重识别模型训练方法及系统在说明书摘要公布了：本发明涉及重识别模型处理领域，公开了一种基于噪声鲁棒提示学习框架的重识别模型训练方法及系统，包括：基于预训练的CLIP模型生成全局视觉特征，基于样本邻域信息计算上下文视觉特征；通过可学习的映射网络转换为伪语言提示词构建自适应提示，整合成综合性文本嵌入；通过跨注意力模块优化提示，使用广义交叉熵损失与对称对比损失提升对噪声标签的鲁棒性；通过提示驱动的知识蒸馏，利用学习到的文本嵌入作为类别向量指导模型优化，并使学生模型输出与教师模型对齐；通过身份损失、三元组损失和知识蒸馏损失函数对重识别模型进行训练；本发明解决了现有的行人重识别模型在噪声标签下性能下降的问题，提升了噪声环境中的识别精度和鲁棒性。

本发明授权一种基于噪声鲁棒提示学习框架的重识别模型训练方法及系统在权利要求书中公布了：1.一种基于噪声鲁棒提示学习框架的重识别模型训练方法，其特征在于，包括： 利用预训练CLIP模型的视觉编码器提取输入行人图像的全局视觉特征，并在特征空间中检索目标样本的全局视觉特征的k个最近邻全局视觉特征，基于余弦相似度加权聚合生成上下文视觉特征； 通过可学习的映射网络将全局视觉特征和上下文视觉特征映射为全局伪语言提示词和上下文伪语言提示词； 结合预定义的基础提示模板与全局伪语言提示词和上下文伪语言提示词，构建全局文本提示和上下文文本提示，并基于预训练CLIP模型的文本编码器生成全局文本嵌入和上下文文本嵌入； 基于最大池化策略融合所述全局文本嵌入与上下文文本嵌入，形成综合性文本嵌入； 引入语言引导的跨注意力模块，将所述综合性文本嵌入作为查询向量，视觉编码器输出的图块嵌入作为键向量和值向量，优化多模态特征表示；采用广义交叉熵损失函数与对称对比损失函数联合优化模型参数，提升对噪声标签的鲁棒性； 将所述综合性文本嵌入作为类别语义向量，通过提示模仿策略使学生重识别模型的视觉特征分布与教师模型的文本特征分布对齐；基于身份分类损失、三元组边界损失及语义知识蒸馏损失联合训练学生模型； 使用训练完成的重识别模型的视觉编码器提取测试集中查询图像与图库图像的视觉特征，结合教师模型生成的文本特征计算跨模态相似度；根据相似度得分对图库样本进行排序，输出与查询图像匹配的目标身份，完成行人重识别任务。

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湖南师范大学，其通讯地址为：410081 湖南省长沙市岳麓区麓山路36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”。