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！

龙图腾网获悉特斯联科技集团有限公司申请的专利基于内容感知及自蒸馏结构的自监督算法训练方法和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：CN116486193B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202310228804.6，技术领域涉及：G06V10/774；该发明授权基于内容感知及自蒸馏结构的自监督算法训练方法和装置是由张睿设计研发完成，并于2023-03-10向国家知识产权局提交的专利申请。

本基于内容感知及自蒸馏结构的自监督算法训练方法和装置在说明书摘要公布了：本公开提供一种基于内容感知及自蒸馏结构的自监督算法训练方法和装置，包括：分别使用第一增强方式和第二增强方式对图像进行处理，分别得到第一增强图和第二增强图；获取第一增强图的能量图，得到第一能量图，获取第二增强图的能量图，得到第二能量图；根据第一增强图、第二增强图、第一能量图和第二能量图得到无损表征集和有损表征集；分别将将有损表征集和无损表征集输入自蒸馏结构中的学生网络和教师网络，根据输出结果得到总损失函数。本公开的一种基于内容感知及自蒸馏结构的自监督算法训练方法，提出了基于不变因果机制的对比式自监督学习训练方法，优化当前的对比式自监督学习方法，使得所述训练方法可以更好利用无标签数据来训练模型的。

本发明授权基于内容感知及自蒸馏结构的自监督算法训练方法和装置在权利要求书中公布了：1.基于内容感知及自蒸馏结构的自监督算法训练方法，其特征在于，所述方法包括： 使用第一增强方式对图像进行处理，得到第一增强图，使用第二增强方式对所述图像进行处理，得到第二增强图，所述第一增强方式与所述第二增强方式不同； 获取所述第一增强图的能量图，得到第一能量图，获取所述第二增强图的能量图，得到第二能量图； 根据所述第一增强图、第二增强图、第一能量图和第二能量图得到无损表征集和有损表征集； 将所述有损表征集输入自蒸馏结构中的学生网络，将所述无损表征集输入自蒸馏结构中的教师网络，根据输出结果得到总损失函数； 根据所述总损失函数更新所述学生网络的模型权重和所述教师网络的模型权重； 所述根据所述第一增强图、第二增强图、第一能量图和第二能量图得到无损表征集和有损表征集，包括： 根据所述第一增强图、第二增强图、第一能量图和第二能量图得到数据预处理结果集； 对所述数据预处理结果集进行等尺度分块，得到分块后的数据预处理结果集； 对所述分块后的数据预处理结果集进行卷积操作，得到一维局部嵌入表征块集； 根据所述一维局部嵌入表征块集和可学习掩码表征得到一维掩码局部嵌入表征块集； 根据所述一维掩码局部嵌入表征块集生成第一分类占位符集，根据所述一维局部嵌入表征块集生成第二分类占位符集； 根据所述一维掩码局部嵌入表征块集和所述第一分类占位符集得到所述有损表征集，根据所述一维局部嵌入表征块集和所述第二分类占位符集得到所述无损表征集； 所述将所述有损表征集输入自蒸馏结构中的学生网络，将所述无损表征集输入自蒸馏结构中的教师网络，根据输出结果得到总损失函数，包括： 将所述有损表征集输入自蒸馏结构中的学生网络，得到信息类别预测概率和第一语义类别概率； 将所述无损表征集输入自蒸馏结构中的教师网络，得到信息类别预估概率和第二语义类别概率； 根据所述信息类别预测概率和所述信息类别预估概率得到信息损失值； 根据所述第一语义类别概率和所述第二语义类别概率得到语义损失值； 根据所述信息损失值和所述语义损失值得到所述总损失函数。

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特斯联科技集团有限公司，其通讯地址为：101199 北京市通州区滨惠北一街3号院1号楼1层1-6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。