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！

龙图腾网获悉浙江大学申请的专利基于上下文信息融合的细粒度图像识别方法、系统及设备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：CN119206431B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411113638.6，技术领域涉及：G06V10/82；该发明授权基于上下文信息融合的细粒度图像识别方法、系统及设备是由张寅;胡云青设计研发完成，并于2024-08-14向国家知识产权局提交的专利申请。

本基于上下文信息融合的细粒度图像识别方法、系统及设备在说明书摘要公布了：本发明公开了一种基于上下文信息融合的细粒度图像识别方法、系统及设备，本发明的方法包括：获取训练所用的多模态细粒度的图像数据集并进行预处理；构建细粒度图像识别神经网络，其包括视觉编码器、基于函数的上下文信息融合路径、基于模板的上下文信息融合路径和输出汇聚模块，两个上下文信息融合路径分别实现特征融合以及跨模态交互学习过程，输出汇聚模块用于对交互增强后的多模态表征进行解析，并由分类器生成与每种模态表征对应的预测结果；在预处理后的图像数据集上训练细粒度图像识别神经网络，最后将待分类的测试细粒度图像和匹配的上下文信息输入到训练好的细粒度图像识别神经网络中，得到测试细粒度图像的识别结果。

本发明授权基于上下文信息融合的细粒度图像识别方法、系统及设备在权利要求书中公布了：1.一种基于上下文信息融合的细粒度图像识别方法，其特征在于，包括以下步骤： S1：获取训练所用的多模态细粒度的图像数据集，并对图像数据集中的图像和上下文信息进行预处理，得到大小统一的细粒度图像和上下文信息表征； S2：构建双路径多模态上下文信息融合的细粒度图像识别神经网络，所述细粒度图像识别神经网络包括视觉编码器、基于函数的上下文信息融合路径、基于模板的上下文信息融合路径和输出汇聚模块；其中，所述视觉编码器包括卷积神经网络、一层卷积层以及维度转换层；基于函数的上下文信息融合路径将上下文信息表征和视觉编码器输出的视觉特征融合，得到组合多模态表征，将组合多模态表征输入到全局感知编码器中进行跨模态交互学习，输出聚合增强后的多模态表征；基于模板的上下文信息融合路径将上下文信息表征和聚合增强后的多模态表征融合，得到聚合增强融合表征，将聚合增强融合表征输入到视觉-上下文解码器中进行跨模态交互学习，输出交互增强后的多模态表征；所述输出汇聚模块用于对交互增强后的多模态表征进行解析，并将解析后的表征各自输入到一个分类器中，生成与每种模态表征对应的预测结果； S3：将预处理后的图像数据集送入细粒度图像识别神经网络中，对细粒度图像识别神经网络进行训练，得到训练好的细粒度图像识别神经网络； S4：将待分类的测试细粒度图像和匹配的上下文信息输入到训练好的细粒度图像识别神经网络中，得到测试细粒度图像的识别结果； 步骤S1中，对图像数据集中的上下文信息进行预处理的方法为：获取一个自然语言形式的模板，在模板上填充上下文信息中的经度、纬度和日期，将上下文信息转换成填充好的模板，然后将填充好的模板输入给预训练语言模型，由预训练语言模型的tokenizer方法对填充好的模板进行标记化，得到序列形式的上下文信息表征并作为第二上下文信息表征； 在步骤S2基于模板的上下文信息融合路径中，使用预训练语言模型对第二上下文信息表征进行语义提取，得到语义上下文表征，所述视觉-上下文解码器将基于函数的上下文信息融合路径输出的聚合增强后的多模态表征和语义上下文表征进行计算，输出得到交互增强后的多模态表征。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。

以上内容由龙图腾AI智能生成。