申请/专利权人：浪潮电子信息产业股份有限公司

申请日：2024-03-13

公开（公告）日：2024-04-12

公开（公告）号：CN117876651A

主分类号：G06V10/22

分类号：G06V10/22;G06V10/40;G06V10/10;G06F16/31;G06F40/126

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及人工智能技术领域，公开了一种视觉定位方法、装置、设备及介质，包括：从输入图像中提取元素属性特征并输入到关联提取网络，得到元素关系特征和元素索引库；将元素关系特征和元素属性特征进行拼接，得到元素第一综合特征；从输入文本中获取文本编码特征并与元素第一综合特征进行跨模态编码，提取元素第二综合特征；对元素第二综合特征与元素索引库进行溯源编码，得到视觉溯源特征；将视觉溯源特征和文本编码特征拼接成多模态溯源特征，经定位解码器处理后输出从输入图像中定位的导致输入文本事件发生的对应元素位置。这样能够根据视觉要素和关系进行视觉因果溯源的综合推理，从而推理出人类需求在视觉上的体现，得到准确的定位结果。

主权项：1.一种视觉定位方法，其特征在于，所述方法包括：从输入图像中提取元素属性特征；将所述元素属性特征输入到关联提取网络，得到元素关系特征和元素索引库；所述元素索引库用于存储所述元素关系特征中每个关系的元素索引；将所述元素关系特征和所述元素属性特征进行拼接，得到元素第一综合特征；从输入文本中获取文本编码特征；对所述文本编码特征与所述元素第一综合特征进行跨模态编码，提取元素第二综合特征；对所述元素第二综合特征与所述元素索引库进行溯源编码，得到视觉溯源特征；将所述视觉溯源特征和所述文本编码特征拼接成多模态溯源特征，经定位解码器处理后输出从所述输入图像中定位的导致所述输入文本事件发生的对应元素位置。

全文数据：

权利要求：

百度查询： 浪潮电子信息产业股份有限公司 视觉定位方法、装置、设备及介质

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