关于“基于跨模态模型和空间指代关系建模的REC方法”等3件发明专利转让的公示


  • 文章作者:
  • 发布账号:杨曌
  • 发布时间:2026-11-10
  • 浏览次数:
  • 更新时间:2026-11-20

各学部(院):

依据《南京工业大学科技成果转化管理办法》(南工校科〔2019〕2号)和《南京工业大学科技成果转化实施细则》(南工校科〔2019〕3号),拟将我校“基于跨模态模型和空间指代关系建模的REC方法”等3件发明专利整体转让,现将有关事项公示如下:

一、发明专利基本情况

1、专利名称:基于跨模态模型和空间指代关系建模的REC方法

专利号:ZL202410372774.0

发明人:王姜鹏;彭岳

专利简介:一种基于跨模态模型和空间指代关系建模的REC方法,包括:获取测试图像和对应的指代表达式;获取图像中的候选实体对应的预选框;分别预处理预选框和指代表达式;用预选框处理图片再预处理图片并设置有效视觉提示;分解预处理得到指代表达式为目标实体、参考关系和关系实体;若指代表达式中有关系实体,则将目标实体、参考关系和关系实体进行关系建模并组成关系网络;在关系网络中搜索目标实体,并将与目标实体有关联的参考关系和关系实体组成多条信息;计算预选框内图片是目标实体或关系实体的可能性;计算候选实体之间符合参考关系的概率;以目标实体相似度、关系实体相似度和参考关系概率的最高综合概率候选框内的视觉实体为所求目标实体。

2、专利名称:多层提示信息的多标签图像分类方法

专利号:ZL202411491288.7

发明人:彭岳;王姜鹏

专利简介:一种多层提示信息的多标签图像分类方法,包括:获取测试图像和训练集样本对应的标签集;利用主题模型得到训练集中所有样本的主题分布;在模型中学习一组表示主题标签分布信息的提示块,将提示块Prompt Token注入到中间特征中,输入进选定的提示层Prompt Block中;最后由Vision Transformer的输出结果判断该样本隶属于哪些类别。与现有技术相比,本发明增进了多标签分类任务的精准度,有助于注意力机制关注到更小的、对于区分物体属于哪一类别更加关键的区域,一定程度上能够弥补标签的缺失和错误,提高了模型的鲁棒性,同时降低了人力成本。

3、专利名称:一种融合局部拓扑结构的图神经网络节点分类方法

专利号:ZL202210732027.4

发明人:史本云;刘达峰;彭岳;刘淼

专利简介:本发明提供一种融合局部拓扑结构的图神经网络节点分类方法,步骤为:将节点特征信息先基于自注意力机制以拉普拉斯矩阵作为位置编码信息来获取图上较远节点的有用信息,来更新自身节点特征。之后,定义以中心节点为出发点的局部结构,从局部结构提取信息。然后,使用循环神经网络将输入的节点特征与最新的节点特征相加。将循环神经网络的输出作为输入,以自注意力机制为基础邻接矩阵作为一种mask矩阵来根据邻居节点更新特征。最后,使用softmax操作获得表示节点标签的one‑hot向量并与真实标签向量对比。用训练得到的网络模型,得出测试集上的预测结果。本方法可以在已知节点关系和节点特征的情况下,对节点进行分类。

二、转让方式:专利权转让

三、转让价格:人民币肆拾伍万元整

四、公示期:2026年11月10日至2026年11月25日



公示期间,对上述转让事项有异议的,请通过书面或电话方式向科学研究院反映。

联系方式:025-58139211,行政楼431办公室。




 

版权所有:南京工业大学科学研究院  地址:南京市浦口区浦珠南路30号  电话:025-58139212  传真:025-58139220   邮编:211816