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!
摘要:本发明公开一种基于可组合文本提示框架的开放域图像识别方法,包括:步骤1,对图像x进行预处理并token化,采用clip视觉模型获取token化特征Fv;步骤2,初始化任务相关文本提示ptt和视觉相关文本提示pvt;步骤3,pvt利用跨模态注意力机制学习融合视觉后的提示步骤4,ptt和采用自注意力机制融合学习组合提示步骤5,采用clip文本模型获取特征,并计算损失优化提示和提示组合模块,所述方法分别学习视觉相关提示和视觉无关提示,视觉相关提示利用跨模态注意来捕捉视觉信息,视觉无关提示通过自注意力与视觉相关提示相结合,实现相互优化。
主权项:1.一种基于可组合文本提示框架的开放域图像识别方法,其特征在于,包括:步骤1,对图像x进行预处理并token化,采用clip视觉模型获取token化特征Fv;步骤2,初始化任务相关文本提示ptt和视觉相关文本提示pvt;步骤3,pvt利用跨模态注意力机制学习融合视觉后的提示步骤4,ptt和采用自注意力机制融合学习组合提示步骤5,采用clip文本模型获取特征,并计算损失优化提示和提示组合模块。
全文数据:
权利要求:
百度查询: 北京师范大学 基于可组合文本提示框架的开放域图像识别方法
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。