龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：湖州师范学院
摘要：本发明公开了基于结构与指令微调大语言模型的图像字幕生成模型，通过ClipCap++模型实现，所述ClipCap++模型包括CLIP视觉编码器、键值对模块、残差连接模块、映射网络和语言模型。ClipCap++模型在进行图像字幕生成期间，可先利用对比语言‑图像预训练编码器CLIP以极大地节省训练资源和时间成本，在冻结CLIP进行预训练后引入来自few‑shot数据集的信息并存储在键值对模型中，再将预训练的视觉特征与优化的特征信息进行残差连接以防止模型对少样本数据的过拟合。对于给定的测试图像而言，ClipCap++模型在推理过程中，可先利用CLIP视觉编码器得到图像嵌入作为硬提示，再使用键值对模块构建实体感知的软提示，最后经过GPT生成图像描述。
主权项：1.基于结构与指令微调大语言模型的图像字幕生成方法，其特征在于：通过ClipCap++模型实现，所述ClipCap++模型包括CLIP视觉编码器、键值对模块、残差连接模块、映射网络和语言模型且训练过程包括如下步骤：a采用来自冻结的CLIP模型的所述视觉编码器对测试图像进行视觉信息编码，从而得到预训练的视觉信息；b先引入相应领域的few-shot数据集并将视觉信息和标签信息存储在所述键值对模型中，再利用视觉信息和标签信息对测试图像进行特征优化，从而得到优化的特征信息；c采用所述残差连接模块将预训练的视觉信息和优化的特征信息进行残差连接，从而得到联合嵌入；d使所述联合嵌入经映射网络生成提示向量；e使所述语言模型根据提示向量输出文本描述信息。
全文数据：
权利要求：
百度查询： 湖州师范学院 基于结构与指令微调大语言模型的图像字幕生成模型
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号