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！

龙图腾网恭喜西安理工大学申请的专利基于旋转角度约束的时-空特征对比学习方法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：CN114595766B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202210222922.1，技术领域涉及：G06V10/764；该发明授权基于旋转角度约束的时-空特征对比学习方法是由陈万军;刘龙;范凤梅设计研发完成，并于2022-03-07向国家知识产权局提交的专利申请。

本基于旋转角度约束的时-空特征对比学习方法在说明书摘要公布了：本发明公开了基于旋转角度约束的时‑空特征对比学习方法，该方法首先通过在整个视频级上定义正、负样本对来进行时‑空特征对比学习，以更加有效地刻画整个视频的全局上下文信息。同时，为了克服对比学习在时序结构上描述能力弱的缺点，本发明还引入了视频旋转角度预测任务来作为对比损失的正则化项，进一步增强了时‑空特征对视频的空间表观信息和时间运动线索及其演化的刻画能力，提高了特征的整体描述能力和判别力。克服了现有技术仅从视频的局部帧级或剪辑层面上定义正、负样本对来进行对比学习，无法有效捕捉视频在长时‑空范围内的全局上下文信息，导致视频表征能力不强、时间维度上语义演化刻画力弱、时序结构描述力差等问题。

本发明授权基于旋转角度约束的时-空特征对比学习方法在权利要求书中公布了：1.基于旋转角度约束的时-空特征对比学习方法，其特征在于，通过在整个视频级上定义正、负样本对来进行时-空特征对比学习，同时引入视频旋转角度预测任务来作为对比损失的正则化项，进一步增强时-空特征对视频的空间表观信息和时间运动线索及其演化的刻画能力，提高特征的整体描述能力和判别力；具体操作步骤如下：步骤1：对训练数据集中的每个训练视频样本抽取若干帧图像，对所述图像做旋转变换，生成增强变换视频样本；步骤2：构建时-空特征对比学习模型，所述时-空特征对比学习模型包括时-空特征提取子网络、隐空间嵌入投影变换子网络和旋转角度分类器子网络；将步骤1生成的增强变换视频样本输入到时-空特征提取子网络提取时-空特征向量，并对所述时-空特征提取子网络进行随机初始化；步骤3：将步骤2所述特征向量输入到隐空间嵌入投影变换子网络进行特征降维，生成低维嵌入向量；步骤4：利用隐空间中的低维嵌入向量计算对比损失；步骤5：将步骤2所述特征向量输入到旋转角度分类器子网络中，获得对应的旋转角度预测概率；步骤6：根据步骤5所述旋转角度预测概率与步骤1中施加在图像上的旋转变换角度计算角度预测损失；步骤7：根据步骤4的对比损失和步骤6的角度预测损失训练基于旋转角度约束的时-空特征对比学习模型；步骤8：将上述以自监督方式训练好的时-空特征对比学习模型中的特性提取子网的权值作为初始参数或特征提取器，在下游小规模数据集的视觉识别任务上进行有监督训练的模型参数精调，得到最终的分类结果。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。