发明

基于监督式对比学习的图像处理方法及装置2026

2024-04-21 07:16:21 发布于四川 73
  • 申请专利号:CN202311720190.X
  • 公开(公告)日:2026-02-03
  • 公开(公告)号:CN117893842A
  • 申请人:清华大学
摘要:本发明提供一种基于监督式对比学习的图像处理方法及装置,其中的方法包括:获取待处理图像;将待处理图像输入至预先训练的视觉自注意力模型,得到图像处理结果;其中,视觉自注意力模型通过整体损失函数进行训练优化得到,整体损失函数包括多样性损失函数、对比学习损失函数以及交叉熵损失函数,所述训练优化的过程不使用数据增强算法。该方法通过可学习数据增强的对比学习方法训练优化视觉自注意力模型,对比学习过程不需要使用任何的数据增强算法,节省了设计数据增强的昂贵成本,与此同时,通过引入对比学习损失函数与交叉熵损失函数,保证了对比学习的质量,进而实现了视觉自注意力模型编码的多样化,提升了对待处理图像的推理精度。

专利内容

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 117893842 A (43)申请公布日 2024.04.16 (21)申请号 202311720190.X G06N 3/094 (2023.01) G06N 3/09 (2023.01) (22)申请日 2023.12.14 (71)申请人 清华大学 地址 100084 北京市海淀区双清路30号清 华大学清华园北京100084-82信箱 (72)发明人 姚海龙 张耕纶  (74)专利代理机构 北京路浩知识产权代理有限 公司 11002 专利代理师 蒋洪之 (51)Int.Cl. G06V 10/77 (2022.01) G06V 10/40 (2022.01) G06V 10/764 (2022.01) G06V 10/82 (2022.01) G06N 3/096 (2023.01) 权利要求书2页 说明书11页 附图5页 (54)发明名称 基于监督式对比学习的图像处理方法及装 置 (57)摘要 本发明提供一种基于监督式对比学习的图 像处理方法及装置,其中的方法包括:获取待处 理图像;将待处理图像输入至预先训练的视觉自 注意力模型,得到图像处理结果;其中,视觉自注 意力模型通过整体损失函数进行训练优化得到, 整体损失函数包括

最新专利