买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西华师范大学申请的专利基于终身学习的无监督对比跨模态哈希检索方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121560932B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610071895.0，技术领域涉及：G06F16/2453；该发明授权基于终身学习的无监督对比跨模态哈希检索方法是由徐黎明;高鑫设计研发完成，并于2026-01-20向国家知识产权局提交的专利申请。

本基于终身学习的无监督对比跨模态哈希检索方法在说明书摘要公布了：本发明属于图像与文本跨模态处理技术领域，具体涉及基于终身学习的无监督对比跨模态哈希检索方法，通过预训练的DINOv2‑Small和BGEv1.5‑Small分别对图像和文本数据进行编码，将编码后的特征输入到对比学习模块中，并设计基于哈希内存库的自适应假负样本取消机制来识别出潜在的假负样本对，并将其转换为正向语义信息，从而使模型能够正确拉近正样本对并推远负样本对，增强判别性表征学习。此外，为避免新类别数据到来时需要重新训练模型，设计了基于提示的冻结预训练模型持续学习策略，能够在无标签流数据场景下动态平衡模型的可塑性和稳定性，有效缓解了哈希学习的灾难性遗忘。考虑流式数据的动态分布，节省了训练时间和计算资源，实现了无标签流数据的连续高效检索。

本发明授权基于终身学习的无监督对比跨模态哈希检索方法在权利要求书中公布了：1.基于终身学习的无监督对比跨模态哈希检索方法，其特征在于，包括以下步骤： S1：采样第k对跨模态数据，包括图像数据Ik和文本数据Tk； S2：使用预训练的图像特征提取网络和文本特征提取网络分别对图像和文本进行编码，得到图像实值特征和文本实值特征； S3：在查询检索阶段通过符号函数将实值特征转换为哈希码； S4：将图像和文本实值特征输入对比学习模块，通过基于哈希内存库的自适应假负样本取消机制识别假负样本，并从负样本集中去除，加上权重系数后用作正样本计算对比损失，通过梯度下降来拉近同类样本推远异类样本，增强模型学习到的判别性表征； S5：在无标签流式数据场景中，基于提示的冻结预训练模型持续学习策略利用预训练模型强大的泛化能力来缓解灾难性遗忘问题； 步骤S5中的基于提示的冻结预训练模型通过动态协调模型可塑性与稳定性的平衡关系，有效避免灾难性遗忘，具体过程如下： S51：进行基础处理：将输入图像划分为若干图像块，并通过图像块嵌入得到图像标记序列，在该序列前拼接可学习的提示向量，将整体作为DINO的输入； S52：在文本标记序列前插入一组可学习的提示向量，将作为BGE的输入； 其中，是提示的长度，和分别是图像标记序列和文本标记序列的维度； S53：进行增量处理：将提示参数冻结，并把不带提示的哈希函数与带提示的哈希函数提取的特征进行融合； 增量阶段的图像和文本哈希函数可以表示如下： ； 其中，和是提取的图像和文本特征，是模态特定的多层感知机，和是对应模态的多层感知机的参数，DINO是预训练的DINOv2-small图像特征提取器，BGE是预训练的BGEv1.5-small文本特征提取器。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西华师范大学，其通讯地址为：637000 四川省南充市顺庆区师大路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。