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！

龙图腾网获悉华南理工大学申请的专利一种两阶段图像描述生成方法、系统、装置及存储介质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：CN117576534B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202311590761.2，技术领域涉及：G06V10/80；该发明授权一种两阶段图像描述生成方法、系统、装置及存储介质是由苏锦钿;牟月齐;冯浩设计研发完成，并于2023-11-24向国家知识产权局提交的专利申请。

本一种两阶段图像描述生成方法、系统、装置及存储介质在说明书摘要公布了：本发明公开了一种两阶段图像描述生成方法、系统、装置及存储介质，其中方法包括：S1、获取输入图像I，通过预训练的视觉编码器，提取图像的视觉特征V；S2、基于预训练的单解码器模型，构建为一阶段的草稿解码器，将视觉特征V输入草稿解码器，生成草稿文本描述W1；S3、确定跨模态特征融合模块，并基于跨模态特征融合模块构建二阶段的改错解码器，将视觉特征V和草稿文本描述W1输入改错解码器中，生成最终的文本描述W2；S4、将文本描述W2与输入图像I配对的参考描述Wg进行比较，计算损失函数损失值，进而优化模型整体参数。本发明通过两阶段的模型结构，实现显著高于原始单阶段预训练模型性能的效果，可广泛应用于自然语言处理技术领域。

本发明授权一种两阶段图像描述生成方法、系统、装置及存储介质在权利要求书中公布了：1.一种两阶段图像描述生成方法，其特征在于，包括以下步骤： S1、获取输入图像I，通过预训练的视觉编码器，提取图像的视觉特征V； S2、基于预训练的单解码器模型，构建为一阶段的草稿解码器，将视觉特征V输入草稿解码器，生成草稿文本描述W1； S3、确定跨模态特征融合模块，并基于跨模态特征融合模块构建二阶段的改错解码器，将视觉特征V和草稿文本描述W1输入改错解码器中，生成最终的文本描述W2； S4、将文本描述W2与输入图像I配对的参考描述Wg进行比较，计算损失函数损失值，进而优化模型整体参数； 所述步骤S3，具体包括： 基于跨模态特征融合模块构建二阶段的改错解码器D2；所述改错解码器D2包括输入词嵌入层、带掩码的自注意力模块、跨模态特征融合模块、前馈网络模块以及输出层； 将参考描述嵌入成文本特征向量之后，经过带掩码的自注意力模块，得到隐状态将隐状态作为Q，将视觉特征V、草稿文本描述W1的嵌入向量分别作为K、V，输入到跨模态特征融合模块中进行计算，获得隐状态输出隐状态输出依次经过前馈网络模块、多层堆叠计算、隐状态输出映射到单词表，获得token的概率分布，对概率分布进行采样，选择概率最大位置的token作为二阶段解码器的生成token，最终得到草稿文本描述其中m表示句子的长度。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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”。