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！

龙图腾网获悉北京衔远有限公司;北京衔远科技有限公司申请的专利基于软标签的噪声鲁棒文本到图像行人检索方法及装置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：CN120780854B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202511277863.8，技术领域涉及：G06F16/532；该发明授权基于软标签的噪声鲁棒文本到图像行人检索方法及装置是由曾子胤;谢树雷;郑元春设计研发完成，并于2025-09-09向国家知识产权局提交的专利申请。

本基于软标签的噪声鲁棒文本到图像行人检索方法及装置在说明书摘要公布了：本申请提供一种基于软标签的噪声鲁棒文本到图像行人检索方法及装置。该方法包括：基于图像全局特征与文本全局特征计算余弦相似度，并对余弦相似度进行归一化，生成表征图文配对置信度的软标签；根据软标签为每一训练样本分配样本权重，并结合随训练进程递增的动态权重因子，得到用于当前迭代的联合权重；利用联合权重分别构建跨模态对比学习损失与相似性分布匹配损失，并将跨模态对比学习损失与相似性分布匹配损失加权求和，得到总损失函数；利用总损失函数更新图像编码器和文本编码器的参数直至训练收敛，获得跨模态对齐模型。本申请能够实现鲁棒跨模态对齐，提高噪声场景下行人检索准确率。

本发明授权基于软标签的噪声鲁棒文本到图像行人检索方法及装置在权利要求书中公布了：1.一种基于软标签的噪声鲁棒文本到图像行人检索方法，其特征在于，包括： 将训练集中的行人图像与对应文本描述分别输入图像编码器和文本编码器，得到图像全局特征与文本全局特征； 基于所述图像全局特征与所述文本全局特征计算余弦相似度，并对所述余弦相似度进行归一化，生成表征图文配对置信度的软标签； 根据所述软标签为每一训练样本分配样本权重，并结合随训练进程递增的动态权重因子，得到用于当前迭代的联合权重； 利用所述联合权重分别构建跨模态对比学习损失与相似性分布匹配损失，并将所述跨模态对比学习损失与所述相似性分布匹配损失加权求和，得到总损失函数； 利用所述总损失函数更新所述图像编码器和所述文本编码器的参数直至训练收敛，获得跨模态对齐模型； 在检索阶段，将查询文本输入所述文本编码器得到查询特征，将待检索行人图像输入所述图像编码器得到行人特征，根据所述查询特征与所述行人特征的余弦相似度进行排序，输出与所述查询文本最匹配的目标行人图像； 其中，所述利用所述联合权重分别构建跨模态对比学习损失与相似性分布匹配损失，并将所述跨模态对比学习损失与所述相似性分布匹配损失加权求和，得到总损失函数，包括： 将当前训练批次中的图像全局特征与文本全局特征两两组合，计算余弦相似度并结合温度系数得到相似度矩阵； 根据所述相似度矩阵区分匹配对和非匹配对，并将所述联合权重分别乘于相应相似度分数，构建跨模态对比学习损失； 对所述相似度矩阵分别提取图像模态相似度分布和文本模态相似度分布，利用分布差异度量函数及所述联合权重，计算所述图像模态相似度分布与文本模态相似度分布之间的差异，得到相似性分布匹配损失； 按照预设损失系数，对所述跨模态对比学习损失与所述相似性分布匹配损失进行加权求和，得到总损失函数。

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北京衔远有限公司;北京衔远科技有限公司，其通讯地址为：100080 北京市海淀区学院路51号首享科技大厦第三层306室；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。