申请/专利权人：上海新前端奕天科技有限公司

申请日：2024-02-02

公开（公告）日：2024-04-30

公开（公告）号：CN117953297A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/40;G06V10/44;G06V10/25;G06V10/82;G06V10/74;G06N3/0464;G06N3/084;G06N3/044;G06N3/045;G06F40/30;G06V10/56;G06V10/54

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明公开了一种交通领域的场景识别分类的底层推理方法，其技术方案要点是：包括以下具体步骤：步骤一、图片特征的提取，直接将多模态大模型的视觉部分转换为兼容底层设备的ONNX模型结构，在底层硬件上进行图像特征提取；步骤二、交通场景特征向量数据库的创建，在服务器中调用多模态的文本模态的模型，对设计好的交通场景的分类用提示词进行嵌入和编码就可以得到特征向量数据库，特征向量数据库和图像模态相匹配，使用特征向量数据库替代文本模态模型；可合理使用视觉模态的特征提取，就可以抛弃文本模态，将多模态模型的权重至少减掉13，可以拥有大模型的能力完成这类任务，同时又能更少的依赖硬件资源。

主权项：1.一种交通领域的场景识别分类的底层推理方法，其特征在于：包括以下具体步骤：步骤一、图片特征的提取，直接将多模态大模型的视觉部分转换为兼容底层设备的ONNX模型结构，在底层硬件上进行图像特征提取；步骤二、交通场景特征向量数据库的创建，在服务器中调用多模态的文本模态的模型，对设计好的交通场景的分类用提示词进行嵌入和编码就可以得到特征向量数据库，特征向量数据库和图像模态相匹配，使用特征向量数据库替代文本模态模型，特征向量数据库中包含了需要分类的所有交通场景类型的文本向量数据；步骤三、场景图像的检测和捕获，结合目标检测模型以及传统CNN模型的检测能力，构建图像特征提取模块，图像特征提取模块用于拾取目标图像，再由多模态大模型进行语义理解分类目标图像的属性，达成检测任务；步骤四、交通场景信息的获取，使用特征向量数据库中的向量数据与底层硬件设备上部署的图像模态大模型推理的图像特征矩阵，做余弦相似匹配计算，依据匹配度打分，用于获得等同于多模态大模型的推理效果，将步骤三、场景图像的检测和捕获中的拾取目标图像，首先经过图像特征提取模块获得图像特征向量数据，获得图像特征向量数据与交通场景特征向量库匹配，查询最匹配的向量数据，解码为文本数据，获得当前图片中的交通场景信息。

全文数据：

权利要求：

百度查询： 上海新前端奕天科技有限公司 一种交通领域的场景识别分类的底层推理方法

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