申请/专利权人：北京大学

申请日：2023-10-30

公开（公告）日：2024-03-08

公开（公告）号：CN117669693A

主分类号：G06N3/096

分类号：G06N3/096;G06N3/045;G06N3/098;G06N3/09;G06F18/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.08#公开

摘要：本发明公开了一种基于多教师多模态模型的知识蒸馏方法及系统，属于自然语言处理领域，本发明通过多个教师模型联合进行多模态知识蒸馏到学生模型，这些教师模型具有不同的架构、初始化、训练数据或任务，这种多样性有助于提取不同角度和类型的知识，从而提高了学生模型的鲁棒性以及对图像、文本和图文多模态的理解能力，提升图像识别的准确性、文本理解的准确性和多模态检索的召回率和准确性。

主权项：1.一种基于多教师多模态模型的知识蒸馏方法，其特征在于，步骤包括：1构建教师模型和学生模型，该教师模型包括视觉语言多模态教师模型、视觉教师模型和文本教师模型；该视觉语言多模态教师模型与该学生模型的模型结构一致，均包含图像编码器、文本编码器和多模态融合器；2使用视觉语言多模态模型的部分参数对学生模型的参数进行初始化；3在联合知识蒸馏阶段，基于图像-文本对训练数据的训练学习将觉语言多模态教师模型知识蒸馏到学生模型的多模态融合器，基于图片训练数据的训练学习将视觉教师模型知识蒸馏到学生模型的图像编码器，基于纯文本训练数据的训练学习将文本教师模型知识蒸馏到学生模型的文本编码器，约束学生模型在每次训练的输入、输出和教师模型的输入、输出保持一致；4在下游任务上通过训练和监督学习，对学生模型进行微调。

全文数据：

权利要求：

百度查询： 北京大学 一种基于多教师多模态模型的知识蒸馏方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD