申请/专利权人：广东工业大学

申请日：2024-01-31

公开（公告）日：2024-03-29

公开（公告）号：CN117789219A

主分类号：G06V30/148

分类号：G06V30/148;G06V30/19;G06T3/4053;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了一种基于多模态下开放词汇的全视分割方法，属于视觉语言模型领域，包括单阶段框架，在不同的环境中从开放的类别集中分割和识别对象，是利用多模态模型如CLIP在共享嵌入空间中提供图像——文本特征，能有效地弥合了封闭词汇表和开放词汇表识别之间的差距，创造性使用共享的冻结卷积CLIP骨干将所有内容构建到单阶段框架中，这不仅大大简化了当前的两级管道，而且还显著地产生了更好的准确性与成本权衡。

主权项：1.一种基于多模态下开放词汇的全视分割方法，其特征在于，包括单阶段框架Single_Stage_CLIP：开放词汇分割的目的是对图像进行分割I∈RH×W×3转换成一组带有相关语义标签的掩码： K个基本真值掩码maski∈{0,1}H×W包含相应的基础真值类标签classi，在训练过程中，使用一组固定的类标签CLASStrain，而在推理过程中，使用另一组类别CLASStest，在开放词汇设置中，CLASStest可能包含训练中未见的新类别，即CLASStrain≠CLASStest，假设在测试期间CLASStest的类别名称以自然语言表示是可用的；

全文数据：

权利要求：

百度查询： 广东工业大学 一种基于多模态下开放词汇的全视分割方法

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。

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