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！

龙图腾网获悉电子科技大学申请的专利一种基于多任务学习框架的无偏差动态场景图生成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：CN115565098B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202211068878.X，技术领域涉及：G06V20/40；该发明授权一种基于多任务学习框架的无偏差动态场景图生成方法是由宋井宽;郑超凡;高联丽设计研发完成，并于2022-08-30向国家知识产权局提交的专利申请。

本一种基于多任务学习框架的无偏差动态场景图生成方法在说明书摘要公布了：本发明公开了一种基于多任务学习框架的无偏差动态场景图生成方法，涉及图像处理技术领域，解决最近无偏差场景图生成方法不能同时照顾头部谓词和尾部谓词学习的技术问题，包括以下步骤：将视频输入到目标检测器中，得到视频中图像中实例的视觉特征、语义特征以及空间特征；将图像中实例的特征送入到全局特征学习分支和局部特征学习分支中，通过链接局部特征和全局特征将其场景图生成模型中进行训练；采用多任务学习模型，通过辅助任务动作识别任务的学习对主任务场景图生成任务中的不合理预测进行修正，同时计算所预测的场景图的语义和标注的场景图的语义之间的差距，并用均方差损失和focal损失函数优化。

本发明授权一种基于多任务学习框架的无偏差动态场景图生成方法在权利要求书中公布了：1.一种基于多任务学习框架的无偏差动态场景图生成方法，其特征在于，包括以下步骤： S1、将视频输入到目标检测器中，得到视频中图像中实例的视觉特征、全局特征以及全局语义特征； 通过以下公式提取视觉特征、全局特征以及全局语义特征，具体如下： 其中,是级联运算，是展平操作，是特征相加运算，是语义特征变换矩阵；是图像特征变换矩阵；和分别是目标和联合区域特征变换矩阵；联合特征是通过RoIAlign提取的第i个和第j个目标的联合区域的特征向量，是将主体和对象的边界框转换为独占特征的函数，表示变换图像大小的函数，表示VGG-16预训练网络模型，是指视觉特征向量，指目标检测框架的特征向量，是语义特征向量，是第时刻的图片特征向量； S2、将图像中实例的特征送入到全局特征学习分支和局部特征学习分支中; S3、通过链接局部特征和全局特征将其场景图生成模型中进行训练； S4、采用多任务学习模型，通过辅助任务动作识别任务的学习对主任务场景图生成任务中的不合理预测进行修正，同时计算所预测的场景图的语义和标注的场景图的语义之间的差距，并用均方差损失和focal损失函数优化； S5、使用标准的交叉熵损失函数来优化辅助任务动作识别任务的预测结果，并且通过反向传播修正场景图生成网络的预测效果； S6、在辅助任务的引导下，模型先专注于学习全局语义信息，在逐渐将学习中心放在难预测的局部语义上，并计算模型的整体损失。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。