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！

龙图腾网获悉北京信息科技大学;山东黄河三角洲国家级自然保护区管理委员会;易科境远环保科技(北京)有限公司申请的专利面向鸟群监测的视觉文本弱监督集群计数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：CN120894798B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202510744038.8，技术领域涉及：G06V40/10；该发明授权面向鸟群监测的视觉文本弱监督集群计数方法及装置是由刘畅;车纯广;郝志明;张琼;鲁伟;逯秀明;刘晓丽;王伟华;王安东设计研发完成，并于2025-06-05向国家知识产权局提交的专利申请。

本面向鸟群监测的视觉文本弱监督集群计数方法及装置在说明书摘要公布了：本发明公开了一种面向鸟群监测的视觉文本弱监督集群计数方法及装置，包括：步骤1，设计有序数字序列嵌入文本提示模板，利用冻结文本编码器生成文本特征及分类器权重；输入鸟群图像至原始图像编码器获取多尺度视觉特征；步骤2，通过可学习特征适配器将视觉特征与分类器权重融合，生成增强视觉特征；步骤3，利用多尺度信息交互模块的交叉注意力机制融合增强视觉特征与文本特征，传递文本语义信息，生成多模态融合特征；步骤4，基于多模态排序损失训练模型，计算融合特征与文本特征的相似度矩阵，通过损失优化图像块与序列匹配并微调图像编码器，得到优化编码器；步骤5，推理阶段采用多阶段筛选策略：先用原始编码器去除背景图像块，再用优化编码器预测筛选后图像块的鸟群数量并累加。本发明有效提升了鸟群计数的准确性。

本发明授权面向鸟群监测的视觉文本弱监督集群计数方法及装置在权利要求书中公布了：1.一种面向鸟群监测的视觉文本弱监督集群计数方法，其特征在于，包括： 步骤1，基于鸟群数量与图像块大小的自然映射关系，设计一组有序数字序列，将数字序列嵌入预设文本提示模板中，通过冻结的文本编码器生成文本特征向量R以及分类器权重Li；其中，i为文本提示模板中类别的序号； 将预处理后的鸟群图像m输入原始图像编码器E1，生成多尺度视觉特征向量G； 步骤2，将视觉特征向量G与分类器权重Li输入可学习特征适配器，通过非线性映射和残差连接生成增强的视觉特征向量F； 步骤3，将视觉特征向量F与文本特征向量R进行融合，通过多尺度信息交互模块的交叉注意力机制将文本特征向量R的文本语义信息传递至不同尺度的视觉特征向量F中，生成多模态融合特征I； 步骤4，基于多模态排序损失函数进行模型训练，计算多模态融合特征I与文本特征向量R的相似度矩阵，并通过自下而上的损失优化第i张图像块与数字序列的匹配，得到优化后的相似度矩阵，对原始图像编辑器进行微调，得到优化图像编码器E2； 步骤5，在推理阶段采用多阶段筛选策略，在分类阶段采用原始图像编码器E1去除冗余背景图像块，并在计数阶段采用优化图像编码器E2对筛选后的图像块进行数量预测，累加得到第i张图像块的鸟群总数； 步骤3中，多尺度信息交互模块包括第一层结构和第二层结构： 第一层结构包括扩第一多头自注意力单元、第一多头交叉注意力单元、第一前馈神经网络和带跳跃的卷积层，视觉特征向量F输入第一多头自注意力单元得到视觉特征向量M1，然后M1和文本特征向量R均输入到第一多头交叉注意力单元，第一多头交叉注意力单元将M1作为查询向量，将文本特征向量R作为键和值向量，以计算文本特征向量R的键和值向量在不同尺度的视觉特征向量M1中的注意力分数，得到第一融合后视觉特征向量X1，接着X1输入第一前馈神经网络得到特征向量C，最后C输入到带跳跃的卷积层得到J； C和由带跳跃的卷积层输出的低分辨率特征J通过残差连接处理得到特征向量Y，输送给第二层结构； 第二层结构包括双线性插值单元、第二多头自注意力单元、第二多头交叉注意力单元和第二前馈神经网络，Y经由双线性插值单元进行分辨率加倍，得到细粒度图像特征W，然后W经过第二多头自注意力得到视觉特征向量M2，第二多头自注意力单元将视觉特征向量M2作为查询向量，查询向量和文本特征向量R经过第二多头交叉注意力，第二多头交叉注意力单元将文本特征向量R作为键和值向量，以计算文本特征向量R的键和值向量在M2中的注意力分数，得到第二融合后视觉特征向量X2，最后X2输入第二前馈神经网络，得到高分辨率的多模态融合特征I。

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信息科技大学;山东黄河三角洲国家级自然保护区管理委员会;易科境远环保科技(北京)有限公司，其通讯地址为：100192 北京市海淀区清河小营东路12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。