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！

龙图腾网获悉山东大学申请的专利一种融合细粒度语义的快速跨模态检索方法及系统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：CN121051254B 。

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：202511597704.6，技术领域涉及：G06F16/38；该发明授权一种融合细粒度语义的快速跨模态检索方法及系统是由罗昕;张乾;刘晓倩;陈振铎;许信顺设计研发完成，并于2025-11-04向国家知识产权局提交的专利申请。

本一种融合细粒度语义的快速跨模态检索方法及系统在说明书摘要公布了：本发明属于跨模态信息检索技术领域，提供了一种融合细粒度语义的快速跨模态检索方法及系统，获取待检索的多模态数据，利用训练后的跨模态检索模型学习得到连续哈希特征，根据连续哈希特征，生成离散哈希码，基于汉明距离匹配进行跨模态匹配与检索，反馈检索结果；跨模态检索模型的训练过程将融合损失函数、跨模态对齐损失函数和共享子空间损失函数进行加权融合，以加权融合后的总损失函数最小为目标，优化相应参数，直至满足训练要求。本发明优化了不同模态特征间的跨模态语义一致性，使生成的哈希码能够更准确地反映多模态数据间的语义关联，从而提升跨模态检索的精度与效率。

本发明授权一种融合细粒度语义的快速跨模态检索方法及系统在权利要求书中公布了：1.一种融合细粒度语义的快速跨模态检索方法，其特征是，包括以下步骤： 获取待检索的多模态数据，利用训练后的跨模态检索模型学习得到连续哈希特征，根据连续哈希特征，生成离散哈希码，基于汉明距离匹配进行跨模态匹配与检索，反馈检索结果； 所述跨模态检索模型的训练过程包括： 构建训练数据集，训练数据集的多模态样本包含多个目标类别，对每个多模态样本，利用大语言模型预先生成类别专属特征描述，根据各多模态样本所属的活跃类别集合构建语义增强提示，采用CLIP模型的文本编码器计算语义增强提示进行编码，得到对应样本的语义特征； 利用预训练的CLIP模型对多模态样本中的图像数据和文本数据分别进行编码，得到图像模态全局特征与文本模态全局特征，所述CLIP模型除最后一层残差注意力块外，其他参数均冻结，且最后一层残差注意力块的参数利用融合损失函数的优化，融合损失函数包含图像模态与文本模态之间、图像模态与语义特征之间，文本模态与语义特征之间的对比损失函数； 将图像模态全局特征与文本模态全局特征进行拼接处理，得到联合特征向量，利用多模态融合Transformer模块对联合特征向量进行处理，得到图像模态的优化特征和文本模态的优化特征，利用跨模态对齐损失函数对多模态融合Transformer模块的参数进行优化； 将图像模态的优化特征、文本模态的优化特征以及语义特征引入哈希函数，将各个特征编码至共享子空间中，采用共享子空间损失函数对共享子空间进行优化； 将融合损失函数、跨模态对齐损失函数和共享子空间损失函数进行加权融合，以加权融合后的总损失函数最小为目标，优化相应参数，直至满足训练要求。

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山东大学，其通讯地址为：250000 山东省济南市历城区山大南路27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。