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！

龙图腾网获悉南京工业大学申请的专利多层提示信息的多标签图像分类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：CN119445216B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202411491288.7，技术领域涉及：G06V10/764；该发明授权多层提示信息的多标签图像分类方法是由彭岳;王姜鹏设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本多层提示信息的多标签图像分类方法在说明书摘要公布了：一种多层提示信息的多标签图像分类方法，包括：获取测试图像和训练集样本对应的标签集；利用主题模型得到训练集中所有样本的主题分布；在模型中学习一组表示主题标签分布信息的提示块，将提示块PromptToken注入到中间特征中，输入进选定的提示层PromptBlock中；最后由VisionTransformer的输出结果判断该样本隶属于哪些类别。与现有技术相比，本发明增进了多标签分类任务的精准度，有助于注意力机制关注到更小的、对于区分物体属于哪一类别更加关键的区域，一定程度上能够弥补标签的缺失和错误，提高了模型的鲁棒性，同时降低了人力成本。

本发明授权多层提示信息的多标签图像分类方法在权利要求书中公布了：1.一种多层提示信息的多标签图像分类方法，其特征在于，包括以下步骤：步骤1，获取测试集样本，获取训练集样本及其对应的标签集；样本为图像；步骤2，将训练集样本对应的标签集输入到主题模型中，设定主题数量，利用主题模型得到训练集中所有样本的主题分布；步骤3，在视觉TransformerVisionTransformer，ViT模型中，学习一组表示主题标签分布信息的提示块PromptToken，将提示块注入到中间特征中，输入进选定的提示层PromptBlock中；步骤4，利用ViT模型的输出结果判断该样本隶属于哪些类别；在步骤1中，图像为自然场景下含有至少一个实体的彩色图像；标签集指训练集中每个样本所隶属的类的自然语言名称集合；每个训练集样本对应的标签数量至少为一种，代表样本中的实体；每个图像对应一个标签集，标签集中包含不少于一种标签；训练集样本已知其对应的标签集；测试集样本的标签集未知；在步骤2中，对于主题模型的输入，把每个样本对应的标签集视作一个文档，将这些文档输入进主题模型中；主题模型输出的主题分布是指一个样本属于几个不同主题的概率；一个样本的主题分布是一个长度为所设定的主题数量的向量，且向量内所有元素和为1；在步骤3中的ViT模型中，利用辅助学习策略，在开展主要任务的同时进行辅助任务，主要任务是多标签分类任务，辅助任务是主题标签分类任务，步骤包括：首先，选定插入提示块的提示层PromptBlock以及每个提示层所插入主题信息对应的主题数量；然后，对每个提示层，将对应的提示块连接到上一层输出的图像特征上；接着一起输入进该提示层中，通过交叉注意力机制让图像特征和提示层相互吸收信息；最后，将提示层的输出分割成新的图像特征和提示块，其中，图像特征继续进入下一层Block，提示块则进入主题标签分类任务中；步骤3中，在ViT模型中，选定ViT模型中间的某几层Block作为提示层PromptBlock，并设定对应的主题数量；对于每一个提示层：首先，初始化一个大小为1，Embed_size的Tensor作为提示块，然后将该提示块和上一层Block输出的图片特征连接起来，一起输入到提示层中；然后，从提示层的输出结果拆分出提示块和图像特征两个分布；提示块进入到辅助任务中，而图像特征进入下一层Block中继续进行主要任务；若提示层是最后一层Block，则提示块进入到辅助任务中，而图像特征进入分类器中进行多标签分类任务；最后，将辅助任务和主要任务的损失加权求和得到模型的损失。

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南京工业大学，其通讯地址为：211816 江苏省南京市江北新区浦珠南路30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”。