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！

龙图腾网获悉南京信息工程大学申请的专利基于双态协同解耦与语义精炼的生成式零样本学习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：CN120449967B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510941894.2，技术领域涉及：G06N3/08；该发明授权基于双态协同解耦与语义精炼的生成式零样本学习方法是由阮昭淇;薛羽;田伟;徐昕;钟水明;项正龙;王修来设计研发完成，并于2025-07-09向国家知识产权局提交的专利申请。

本基于双态协同解耦与语义精炼的生成式零样本学习方法在说明书摘要公布了：本发明公开了基于双态协同解耦与语义精炼的生成式零样本学习方法，属于生成式零样本学习领域。该方法通过解耦图像的背景、结构和细节等静态特征，并由跨模态标签生成模块提取动态共性特征，实现静态与动态特征的互补表达；根据不同混淆类型动态调整特征关注重点，增强特征判别性，缓解跨类干扰；在语义层面，通过构建视觉‑语义镜像交叉注意力机制，实现语义特征与视觉特征之间的双向对齐，进一步提升语义表征的多粒度能力与适应性。本发明特征结构解耦、混淆自适应调控以及动态语义对齐为核心，有效提升了跨类别泛化能力和生成样本质量，突破了传统生成式零样本学习的性能瓶颈，具备较强的理论价值与广泛的应用前景。

本发明授权基于双态协同解耦与语义精炼的生成式零样本学习方法在权利要求书中公布了：1.基于双态协同解耦与语义精炼的生成式零样本学习方法，其特征在于，包括如下步骤： 步骤1，将目标模态数据输入至特征提取模块，提取全局模态特征；将全局模态特征输入至静态解耦模块，对特征进行多层次的静态解耦与分离，得到不同级别的静态特征； 步骤2，全局模态特征与不同级别的静态特征一同输入至动态解耦模块，通过通道注意力机制，筛选并提取出模态特征中共享的动态模式； 步骤3，将不同级别的静态特征与动态模式输入至原型记忆模块，生成可复用的特征组合，为未见类提供初始特征原型；在训练过程中，结合混淆检测模块的反馈动态调整特征权重，并生成拟合高斯噪声的条件向量，将条件向量输入至生成模型中； 步骤4，将动态模式输入至语义精炼模块，通过镜像式交叉注意力机制生成相应的语义特征，并将全局模态特征与语义特征进行双向对齐，得到精炼后的语义表征； 步骤5，利用精炼后的语义表征与条件向量，通过生成模型合成已见类与未见类的样本，并输入零样本分类器完成综合推理；在推理过程中，基于分类器或判别器的反馈，识别同类与跨类混淆情况，并通过混淆检测模块对原型记忆中的特征进行更新，最终将更新后的语义表征传入生成模型； 步骤6，综合判别器、分类器与特征匹配误差指标，使用语义反馈模块对生成样本的质量进行动态评估；基于评估结果，优化动态语义精炼模块，调整各特征层次的权重； 步骤7，重复步骤3至步骤6，并计算Top-1，直至满足迭代终止条件时停止迭代，得到最终的神经网络架构； 步骤8，在测试阶段，利用合成的未见类样本增强分类器的泛化能力，最终实现零样本学习目标，准确识别已见类与未见类的模态数据。

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信息工程大学，其通讯地址为：211899 江苏省南京市江北新区华富路1号数智溪谷4号楼；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”。