申请/专利权人:杭州汇萃智能科技有限公司
申请日:2024-06-04
公开(公告)日:2024-07-02
公开(公告)号:CN118279724A
主分类号:G06V10/96
分类号:G06V10/96;G06V10/86;G06V10/764;G06V10/70;G06V10/40;G06V10/46;G06V10/56;G06V10/25;G06V10/26;G06V20/70
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.07.19#实质审查的生效;2024.07.02#公开
摘要:本发明公开了基于大语言模型的工业视觉多下游任务处理方法,包括以下步骤:获取工业查询图像和提问文本,将所述工业查询图像分割为多个图像块,将图像块送入图像特征编码器提取图像特征,并将图像特征转换为查询图像令牌;识别所述提问文本得到视觉任务类型,根据系统设定、所述提问文本、所述视觉任务类型和所述查询图像令牌,生成大语言模型的输入文本;将所述输入文本所述大语言模型,所述大语言模型根据指定的任务类型、输入的系统设定和任务需求,处理不同的视觉任务。本发明能够高效且准确地处理工业视觉场景中的多种下游任务,并在工业视觉多下游任务上提高大模型的适应性和性能。
主权项:1.一种基于大语言模型的工业视觉多下游任务处理方法,其特征在于,包括以下步骤:获取工业查询图像和提问文本,将所述工业查询图像分割为多个图像块,将图像块送入图像特征编码器提取图像特征,并将图像特征转换为查询图像令牌;识别所述提问文本得到视觉任务类型,根据系统设定、所述提问文本、所述视觉任务类型和所述查询图像令牌,生成大语言模型的输入文本;将所述输入文本所述大语言模型,所述大语言模型根据指定的任务类型、输入的系统设定和任务需求,处理不同的视觉任务。
全文数据:
权利要求:
百度查询: 杭州汇萃智能科技有限公司 基于大语言模型的工业视觉多下游任务处理方法
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。