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！

龙图腾网获悉吉林大学申请的专利基于字形与语义对比学习的多阶段表意文字图像分类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：CN120451997B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510954885.7，技术领域涉及：G06V30/19；该发明授权基于字形与语义对比学习的多阶段表意文字图像分类方法是由徐昊;曹伟;刁晓蕾;史大千设计研发完成，并于2025-07-11向国家知识产权局提交的专利申请。

本基于字形与语义对比学习的多阶段表意文字图像分类方法在说明书摘要公布了：本发明涉及基于字形与语义对比学习的多阶段表意文字图像分类方法，涉及表意文字识别技术领域，包括：将原始文字图像，输入结构化识别网络中，提取输入图像的字形特征；其中，结构化识别模型，基于对卷积神经网络模型训练获得；对原始文字图像进行标签编码；利用视觉语义编码网络提取原始文字图像的图像特征，并将图像特征与标签编码进行映射对齐，获取输入图像的语义特征；其中，视觉语义编码网络，基于对卷积神经网络模型训练获得；将字形特征和语义特征进行融合，整合字形和语义信息，获取文字分类结果。本发明针对汉字字形复杂性和长尾分布的挑战，核心通过混淆社区对比学习与语义特征对齐实现技术突破，显著提升了模型的识别性能。

本发明授权基于字形与语义对比学习的多阶段表意文字图像分类方法在权利要求书中公布了：1.基于字形与语义对比学习的多阶段表意文字图像分类方法，其特征在于，包括： 将原始文字图像，输入结构化识别模型中，提取输入图像的字形特征；其中，所述结构化识别模型，基于对卷积神经网络模型训练获得；对卷积神经网络模型训练获得所述结构化识别模型包括： 对字符图像样本进行预处理，构建基于前景的训练集； 基于前景训练集，使用分类损失函数，对卷积神经网络模型进行训练，获取分类模型；其中，所述分类模型包括主干网络和全连接层，主干网络为原始结构化识别模型； 利用分类模型，获取所述训练集上的混淆字表； 基于所述混淆字表，构建混淆字图； 利用社区挖掘算法，对所述混淆字图进行社区挖掘，获取混淆社区集合； 基于所述混淆社区集合，进行对比学习，获得所述结构化识别模型； 对所述原始文字图像进行标签编码； 利用视觉语义编码网络提取所述原始文字图像的图像特征，并将所述图像特征与标签编码进行映射对齐，获取输入图像的语义特征；其中，所述视觉语义编码网络基于卷积神经网络模型构建；将所述图像特征与标签编码进行映射对齐包括：将标签编码与图像特征进行对比学习损失计算，实现视觉特征与文本语义空间的联合映射； 将所述字形特征和语义特征进行融合，整合字形和语义信息，获取文字分类结果。

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吉林大学，其通讯地址为：130012 吉林省长春市朝阳区前进大街2699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”。