Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 天府绛溪实验室丁睿翔获国家专利权

天府绛溪实验室丁睿翔获国家专利权

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!

龙图腾网获悉天府绛溪实验室申请的专利一种图片目标识别方法、装置、设备及介质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:CN121582691B

龙图腾网通过国家知识产权局官网在2026-04-24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:202610099464.5,技术领域涉及:G06V10/764;该发明授权一种图片目标识别方法、装置、设备及介质是由丁睿翔;吴怀谷;张楠欣设计研发完成,并于2026-01-26向国家知识产权局提交的专利申请。

一种图片目标识别方法、装置、设备及介质在说明书摘要公布了:本申请公开了一种图片目标识别方法、装置、设备及介质,首先将输入图片转换为高维视觉特征向量,通过可学习的稀疏投影矩阵进行降维得到低维嵌入表示,然后通过轻量级适配网络将所述低维嵌入表示映射至冻结参数的大语言模型的嵌入空间提取语义增强特征,并与视觉特征提取网络输出的视觉特征进行融合;接着将融合后特征编码为量子态,通过参数化量子电路进行演化与测量,获得目标类别的概率分布并计算预测不确定度,最后基于联合损失函数对稀疏投影矩阵、适配网络及量子电路参数进行协同优化,实现了计算高效、语义增强且具备不确定性估计能力的目标识别,在保证识别精度的同时显著降低能耗。

本发明授权一种图片目标识别方法、装置、设备及介质在权利要求书中公布了:1.一种图片目标识别方法,其特征在于,所述方法包括: 将输入图片转换为高维视觉特征向量,利用可学习的稀疏投影矩阵对高维视觉特征向量进行降维,得到低维嵌入表示; 通过轻量级适配网络将低维嵌入表示映射至冻结参数的大语言模型的词嵌入空间中,生成语义增强特征; 从大语言模型的解码端提取第一类别逻辑值,同时从视觉特征提取网络获取第二类别逻辑值; 将第一类别逻辑值与第二类别逻辑值进行动态门控融合,生成融合后的类别逻辑值; 其中动态门控融合通过门控权重对第一类别逻辑值和第二类别逻辑值进行加权求和,门控权重由第一类别逻辑值和第二类别逻辑值共同计算得出; 将语义增强特征编码为量子态,通过参数化量子电路对量子态进行演化与测量,获得目标类别的概率分布,并基于概率分布计算预测不确定度; 基于构建的联合损失函数,对稀疏投影矩阵、轻量级适配网络及参数化量子电路的参数进行协同优化,最小化目标识别误差与预测不确定度,联合损失函数为:,为分类损失,为控制稀疏正则的权重,为控制量子熵正则,为控制分布散度,为真实标签,为融合后的类别逻辑值,为组稀疏正则项,为香农熵,为KL散度,为量子电路输出的概率分布,为传统CNN路径输出的概率分布; 基于构建的联合损失函数,对稀疏投影矩阵、轻量级适配网络及参数化量子电路的参数进行协同优化,最小化目标识别误差与预测不确定度的步骤,包括: 在GPU与量子协处理器间采用交替训练策略,使用量子自然梯度下降与零阶梯度估计方法,对稀疏投影矩阵参数、轻量级适配网络参及参数化量子电路参数进行协同优化,以同步最小化目标识别误差与预测不确定度。

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天府绛溪实验室,其通讯地址为:641450 四川省成都市东部新区实验室一路366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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。