一种基于多模态类别中心的无监督域适应方法及系统

本申请提供了一种基于多模态类别中心的无监督域适应方法及系统，根据本申请的方法包括：获取多源无监督域适应数据集，对所述无监督域适应数据集进行预处理，并将处理后的数据分为训练集和测试集；其中，所述训练集为源域数据，所述测试集为目标域数据；根据所述训练集生成多模态类别中心点；基于所述训练集、测试集和多模态类别中心点对预构建的视觉‑语言CLIP模型进行训练，并利用总损失函数对CLIP模型进行优化，得到最终的域适应模型；以及通过所述测试集对所述域适应模型进行训练和评估。本申请提出的基于提示亲和力和多模态类别中心(PMCC)的无监督领域适应方法，在无需目标领域标注数据的情况下，有效衡量了源域和目标域数据之间的语义相似性。

《一种基于多模态类别中心的无监督域适应方法及系统》是一发明专利，专利号为 2024117796996，当前法律状态为已下证，由广州大学提出申请，发明人为汪洋涛;邓幸维;谢延昭;彭伟龙;汤茂斌;范立生;方美娥;张文生，申请日期为2024-12-05，公开（公告）日期为2025-10-31，国际专利分类号（IPC）为 G06V 10/764 (2022.01)。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：本申请提供了一种基于多模态类别中心的无监督域适应方法及系统，根据本申请的方法包括：获取多源无监督域适应数据集，对所述无监督域适应数据集进行预处理，并将处理后的数据分为训练集和测试集；其中，所述训练集为源域数据，所述测试集为目标域数据；根据所述训练集生成多模态类别中心点；基于所述训练集、测试集和多模态类别中心点对预构建的视觉‑语言CLIP模型进行训练，并利用总损失函数对CLIP模型进行优化，得到最终的域适应模型；以及通过所述测试集对所述域适应模型进行训练和评估。本申请提出的基于提示亲和力和多模态类别中心(PMCC)的无监督领域适应方法，在无需目标领域标注数据的情况下，有效衡量了源域和目标域数据之间的语义相似性。

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！