買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南京信息工程大學申請的專利基于雙態協同解耦與語義精煉的生成式零樣本學習方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120449967B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510941894.2，技術領域涉及：G06N3/08；該發明授權基于雙態協同解耦與語義精煉的生成式零樣本學習方法是由阮昭淇;薛羽;田偉;徐昕;鐘水明;項正龍;王修來設計研發完成，并于2025-07-09向國家知識產權局提交的專利申請。

本基于雙態協同解耦與語義精煉的生成式零樣本學習方法在說明書摘要公布了：本發明公開了基于雙態協同解耦與語義精煉的生成式零樣本學習方法，屬于生成式零樣本學習領域。該方法通過解耦圖像的背景、結構和細節等靜態特征，并由跨模態標簽生成模塊提取動態共性特征，實現靜態與動態特征的互補表達；根據不同混淆類型動態調整特征關注重點，增強特征判別性，緩解跨類干擾；在語義層面，通過構建視覺?語義鏡像交叉注意力機制，實現語義特征與視覺特征之間的雙向對齊，進一步提升語義表征的多粒度能力與適應性。本發明特征結構解耦、混淆自適應調控以及動態語義對齊為核心，有效提升了跨類別泛化能力和生成樣本質量，突破了傳統生成式零樣本學習的性能瓶頸，具備較強的理論價值與廣泛的應用前景。

本發明授權基于雙態協同解耦與語義精煉的生成式零樣本學習方法在權利要求書中公布了：1.基于雙態協同解耦與語義精煉的生成式零樣本學習方法，其特征在于，包括如下步驟： 步驟1，將目標模態數據輸入至特征提取模塊，提取全局模態特征；將全局模態特征輸入至靜態解耦模塊，對特征進行多層次的靜態解耦與分離，得到不同級別的靜態特征； 步驟2，全局模態特征與不同級別的靜態特征一同輸入至動態解耦模塊，通過通道注意力機制，篩選并提取出模態特征中共享的動態模式； 步驟3，將不同級別的靜態特征與動態模式輸入至原型記憶模塊，生成可復用的特征組合，為未見類提供初始特征原型；在訓練過程中，結合混淆檢測模塊的反饋動態調整特征權重，并生成擬合高斯噪聲的條件向量，將條件向量輸入至生成模型中； 步驟4，將動態模式輸入至語義精煉模塊，通過鏡像式交叉注意力機制生成相應的語義特征，并將全局模態特征與語義特征進行雙向對齊，得到精煉后的語義表征； 步驟5，利用精煉后的語義表征與條件向量，通過生成模型合成已見類與未見類的樣本，并輸入零樣本分類器完成綜合推理；在推理過程中，基于分類器或判別器的反饋，識別同類與跨類混淆情況，并通過混淆檢測模塊對原型記憶中的特征進行更新，最終將更新后的語義表征傳入生成模型； 步驟6，綜合判別器、分類器與特征匹配誤差指標，使用語義反饋模塊對生成樣本的質量進行動態評估；基于評估結果，優化動態語義精煉模塊，調整各特征層次的權重； 步驟7，重復步驟3至步驟6，并計算Top-1，直至滿足迭代終止條件時停止迭代，得到最終的神經網絡架構； 步驟8，在測試階段，利用合成的未見類樣本增強分類器的泛化能力，最終實現零樣本學習目標，準確識別已見類與未見類的模態數據。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京信息工程大學，其通訊地址為：211899 江蘇省南京市江北新區華富路1號數智溪谷4號樓；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。