申请/专利权人：山东大学

申请日：2023-11-22

公开（公告）日：2024-04-02

公开（公告）号：CN117809028A

主分类号：G06V10/26

分类号：G06V10/26;G06V20/70;G06V10/44;G06V10/52;G06V10/80;G06V10/82;G06V10/764;G06N3/0464;G06N3/0455;G06N3/098;G06N5/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明涉及基于跨模态交互推理的图像指代物体分割方法及系统，包括：对给定图片进行理解并生成相应的视觉特征；对给定查询语句进行有效表征，生成文本特征；文本特征与视觉特征联合编码；构建多模态图，进行跨模态图推理，进行目标物体的粗定位；对不同尺度下的跨模态特征进行特征增强，细化分割结果。本发明可以结合对视觉信息的理解来增强语言表达，进而在语言表达的不断引导下对重要的视觉特征进行编码。本发明使用多模态特征和语言特征构建多模态图，然后通过跨图交互和图内推理定位目标物体。本发明在多尺度上增强多模态特征，对来自编码阶段的特征自底向上地逐步细化，以实现精细分割。

主权项：1.基于跨模态交互推理的图像指代物体分割方法，其特征在于，包括：对给定图片进行理解并生成相应的视觉特征；对给定查询语句进行有效表征，生成文本特征；在视觉特征逐步生成的过程中依次嵌入文本特征，与视觉特征联合编码；利用深层视觉特征与文本特征构建多模态图，进行跨模态图推理，进行目标物体的粗定位；利用跨模态注意力增强模块，对不同尺度下的跨模态特征进行特征增强，细化图像指代物体分割结果。

全文数据：

权利要求：

百度查询： 山东大学 基于跨模态交互推理的图像指代物体分割方法及系统

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