一种基于编码器-解码器及Bi-LSTM注意力模型的图像描述方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明涉及计算机视觉和自然语言处理技术领域,尤其涉及一种基于编码器‑解码器及Bi‑LSTM注意力模型的图像描述方法,包括:首先,构建带有卷积神经网络CNN的编码器模型并且用预处理过的图片去训练编码器模型,以便可以高效提取出图像特征;然后构建并训练Bi‑LSTM注意力机制模型,把提取的图像特征作为输入,生成准确地每个词向量;最后,构建带有循环神经网络RNN的句子解码器模型,将词向量输入模型中,以进行图像描述生成。本发明采用一种新的Bi‑LSTM模型,该模型结合前向和后向LSTM的生成信息,调整图像权重的分配,提高了图像描述结果的准确性;本发明通过提高循环神经网络RNN解码的效率,节省图像描述生成的时间成本。
《一种基于编码器-解码器及Bi-LSTM注意力模型的图像描述方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2023105224224,当前法律状态为已下证,由南通大学提出申请,发明人为王杰华;谢天;程实;张金宝;武卫翔,申请日期为2023-05-10,公开(公告)日期为2023-11-21,国际专利分类号(IPC)为 G06V 10/82 (2022.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及计算机视觉和自然语言处理技术领域,尤其涉及一种基于编码器‑解码器及Bi‑LSTM注意力模型的图像描述方法,包括:首先,构建带有卷积神经网络CNN的编码器模型并且用预处理过的图片去训练编码器模型,以便可以高效提取出图像特征;然后构建并训练Bi‑LSTM注意力机制模型,把提取的图像特征作为输入,生成准确地每个词向量;最后,构建带有循环神经网络RNN的句子解码器模型,将词向量输入模型中,以进行图像描述生成。本发明采用一种新的Bi‑LSTM模型,该模型结合前向和后向LSTM的生成信息,调整图像权重的分配,提高了图像描述结果的准确性;本发明通过提高循环神经网络RNN解码的效率,节省图像描述生成的时间成本。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
