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！

龙图腾网获悉广东南方网络信息科技有限公司申请的专利一种开放词汇目标检测模型的蒸馏学习方法、系统、设备及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：CN119539027B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411598760.7，技术领域涉及：G06N3/096；该发明授权一种开放词汇目标检测模型的蒸馏学习方法、系统、设备及介质是由胡智勇;王靖聪;王思琪设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本一种开放词汇目标检测模型的蒸馏学习方法、系统、设备及介质在说明书摘要公布了：本申请适用于视觉语言模型技术领域，提供了一种开放词汇目标检测模型的蒸馏学习方法，包括：基于预训练的候选框提取模型，获取待检测图片的伪标签，将待检测图片按照伪标签的区域进行裁剪，获得伪标签区域图像，伪标签为与已知类的标注框不重合的候选框；基于CLIP视觉编码器，获取伪标签区域图像的视觉特征；基于CLIP文本编码器，采用文本类别标签生成方法，获取伪标签区域图像的文本特征；基于视觉特征和文本特征，采用双对称蒸馏方法，对目标检测模型进行知识蒸馏学习，使目标检测模型学习到CLIP视觉编码器的视觉特征以及CLIP文本编码器的文本特征，本发明的目标检测模型能够对视觉特征和文本特征进行知识蒸馏学习，提高了目标检测模型的泛化能力。

本发明授权一种开放词汇目标检测模型的蒸馏学习方法、系统、设备及介质在权利要求书中公布了：1.一种开放词汇目标检测模型的蒸馏学习方法，其特征在于，包括： 基于预训练的候选框提取模型，获取待检测图片的伪标签，将待检测图片按照所述伪标签的区域进行裁剪，获得伪标签区域图像，所述伪标签为与已知类的标注框不重合的候选框； 基于CLIP视觉编码器，获取所述伪标签区域图像的视觉特征，采用图片描述生成模型对所述伪标签区域图像进行分析，获取所述伪标签区域图像中的视觉元素和场景信息； 基于CLIP文本编码器，采用文本类别标签生成方法，获取所述伪标签区域图像的文本特征； 基于所述视觉特征和所述文本特征，采用双对称蒸馏方法，对开放词汇目标检测模型进行知识蒸馏学习，使所述开放词汇目标检测模型学习到CLIP视觉编码器的视觉特征以及CLIP文本编码器的文本特征； 其中，所述基于CLIP文本编码器，采用文本类别标签生成方法，获取所述伪标签区域图像的文本特征，包括： 采用图片描述生成模型，生成所述伪标签区域图像的图像语言描述； 采用自然语言处理工具，提取所述图像语言描述中涉及的名词，生成名词集合； 在所述名词集合中选择其中一个名词作为所述伪标签区域图像的文本类别标签； 将所述文本类别标签输入所述CLIP文本编码器中进行编码，生成所述伪标签区域图像的文本特征； 其中，基于所述视觉特征和所述文本特征，采用双对称蒸馏方法，对开放词汇目标检测模型进行知识蒸馏学习，使所述开放词汇目标检测模型学习到CLIP视觉编码器的视觉特征以及CLIP文本编码器的文本特征，包括： 采用解耦蒸馏空间的方法，将蒸馏学习空间解耦为视觉空间和文本空间，在所述视觉空间和所述文本空间同时对开放词汇目标检测模型进行知识蒸馏学习，其中，所述知识蒸馏学习的方法包括对比知识蒸馏和关系知识蒸馏； 通过在视觉空间对开放词汇目标检测模型进行知识蒸馏学习，使所述开放词汇目标检测模型在视觉空间学习到CLIP视觉编码器的视觉特征； 通过在文本空间对开放词汇目标检测模型进行知识蒸馏学习，使所述开放词汇目标检测模型在文本空间学习到CLIP文本编码器的文本特征； 其中，所述通过在视觉空间对开放词汇目标检测模型进行知识蒸馏学习，获得视觉空间的视觉特征，包括： 采用对比知识蒸馏函数，将配对的特征进行拉近，将不配对的特征进行拉远，其中，所述配对的特征是开放词汇目标检测模型的物体特征以及与物体特征相对应的CLIP视觉编码器的视觉特征； 采用关系知识蒸馏函数，建立教师模型和学生模型，通过所述教师模型的物体之间的关系拟合所述学生模型的物体之间的关系，其中，所述教师模型为CLIP视觉编码器，所述学生模型为开放词汇目标检测模型； 通过所述对比知识蒸馏函数和所述关系知识蒸馏函数，使所述开放词汇目标检测模型学习到所述CLIP视觉编码器的视觉特征。

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广东南方网络信息科技有限公司，其通讯地址为：510620 广东省广州市越秀区广州大道中289号新闻中心3楼整层；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”。

以上内容由龙图腾AI智能生成。