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！

龙图腾网获悉清华大学深圳国际研究生院申请的专利一种基于自适应拓扑结构的视觉或文本任务深度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：CN118537702B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202410688286.0，技术领域涉及：G06V10/82；该发明授权一种基于自适应拓扑结构的视觉或文本任务深度学习方法是由李秀;肖伊乘;宋林;王江山设计研发完成，并于2024-05-30向国家知识产权局提交的专利申请。

本一种基于自适应拓扑结构的视觉或文本任务深度学习方法在说明书摘要公布了：一种基于自适应拓扑结构的视觉或文本任务深度学习方法，显著提升了状态空间模型的性能。在视觉方面，通过接收图像序列并构建无向m连通图，利用树拓扑扫描算法动态生成最小生成树MST，有效编码空间和语义信息。特征数据经过多阶段处理，最终通过输出层生成视觉任务结果。对于文本任务，模型接收句子或文档，构建无向m连通图表示文本结构，同样应用树拓扑扫描算法进行特征聚合和状态更新。多阶段处理提取和转换语言特征。最终状态经过输出层处理，生成文本任务结果。本发明有效捕捉长距离依赖性，降低计算成本，提升视觉和文本任务处理精度，适用于安防监控和工业质检等场景。

本发明授权一种基于自适应拓扑结构的视觉或文本任务深度学习方法在权利要求书中公布了：1.一种基于自适应拓扑结构的视觉任务深度学习方法，其特征在于，包括： 接收视觉任务的输入数据，并将其转换为嵌入特征表示；接收的视觉任务输入数据包括图像序列，其中输入特征表示为图像序列中图像的像素值； 基于嵌入特征，构建一个无向m连通图，其中节点代表图像中的像素，边连接相邻的像素，每个像素与其m个最近邻像素相连；顶点数量与输入序列长度或输入像素数量相对应，边的权重基于相邻像素特征的差异性计算； 利用特征不相似性，通过树拓扑扫描算法在m连通图上动态生成最小生成树MST，该树的边权重之和最小，将空间和语义信息编码到树结构中； 通过树拓扑扫描算法，迭代地遍历树结构中的每个节点，将树中的每个节点作为根节点，聚合来自子节点的特征，并使用状态转移函数更新根节点的状态； 特征数据通过多个处理阶段，每个阶段由多个基本块组成，执行特征处理和空间维度变换； 在树的根节点处，融合聚合的特征，进行进一步的特征变换和处理； 最终状态通过输出层，根据视觉任务的需求进行最终处理； 根据输出层的计算，生成最终的视觉任务处理结果； 其中，通过所述树拓扑扫描算法实现动态规划，具体包括： 接收视觉任务的输入特征、输入矩阵和状态矩阵，以及损失函数梯度； 对生成树进行广度优先搜索BFS，得到拓扑排序顺序； 通过前向传播，从叶节点到根节点，按照拓扑排序顺序进行状态更新； 对每个节点，根据其子节点的状态和相关参数，更新当前节点的状态， 如果当前节点是根节点，直接使用输入特征和状态矩阵确定其状态，如果不是根节点，则根据父节点的状态和当前节点的输入特征计算当前节点的状态； 通过反向传播，从根节点到叶节点，再次按照拓扑排序顺序，进行梯度的更新； 对于每个节点，根据子节点的梯度和当前节点的状态，更新当前节点的梯度，对于根节点，梯度的更新直接与状态矩阵和输入矩阵相关联，对于非根节点，梯度的更新需要考虑父节点的梯度和当前节点的状态； 由此，通过动态规划优化状态传播过程，实现线性复杂度的传播； 根据更新后的状态矩阵和输入特征，生成输出特征，以用于后续的视觉任务处理。

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清华大学深圳国际研究生院，其通讯地址为：518055 广东省深圳市南山区西丽街道深圳大学城清华校区A栋二楼；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”。