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！

龙图腾网获悉电子科技大学申请的专利基于可学习传递性关系图与先验谓词表的场景图生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121527250B 。

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610040505.3，技术领域涉及：G06T11/60；该发明授权基于可学习传递性关系图与先验谓词表的场景图生成方法是由周鑫宇;彭宇;陈彬;卢国明;唐心茹;李佳蒙设计研发完成，并于2026-01-13向国家知识产权局提交的专利申请。

本基于可学习传递性关系图与先验谓词表的场景图生成方法在说明书摘要公布了：本发明公开一种基于可学习传递性关系图与先验谓词表的场景图生成方法，属于人工智能技术领域。所述方法包括：初始场景图生成模块对数据集的原始图像进行视觉特征编码、实体解码与三元组解码，生成初始三元组集合，得到全局三元组集合；传递性先验学习模块构建初始谓词传递性无向图，更新初始谓词传递性无向图的边权重，得到收敛的可学习传递性关系图谱；筛选高置信度传递关系，构建先验谓词关系表；根据传递性权重修正初始三元组集合中的逻辑冲突，并补全缺失三元组，得到修正补全后的三元组集合，输出最终场景图。本发明突破局部特征依赖，提升全局关联捕捉能力，生成的场景图语义更完整，可广泛用于高精度图像语义表达场景。

本发明授权基于可学习传递性关系图与先验谓词表的场景图生成方法在权利要求书中公布了：1.一种基于可学习传递性关系图与先验谓词表的场景图生成方法，其特征在于，所述方法包括如下步骤： 步骤S1：初始场景图生成模块对数据集的原始图像进行视觉特征编码、实体解码与三元组解码，完成端到端实体检测与初始三元组集合生成，得到全局三元组集合； 步骤S2：传递性先验学习模块基于数据集预定义的谓词集合，构建初始谓词传递性无向图，所述初始谓词传递性无向图以谓词为节点，边权重为随机初始化的谓词对传递概率； 步骤S3：传递性先验学习模块针对数据集的全局三元组集合，以原始图像为单位迭代更新初始谓词传递性无向图的边权重，得到收敛的可学习传递性关系图谱； 步骤S4：传递性先验学习模块基于全局三元组集合的谓词共现频率与主客体重叠度，筛选高置信度传递关系，构建先验谓词关系表； 步骤S5：传递性先验学习模块将可学习传递性关系图谱与先验谓词关系表融合编码，得到传递性权重，根据传递性权重修正初始三元组集合中的逻辑冲突，并补全缺失三元组，得到修正补全后的三元组集合，输出最终场景图； 步骤S3包括如下步骤： 步骤S31：计算数据集中单张原始图像的初始三元组集合谓词对的得分函数，得分函数计算方式如下： 其中，表示初始三元组集合中谓词对的得分；表示平衡系数；表示谓词、在初始三元组集合中的共现频率；表示谓词、在初始三元组集合中的主客体重叠度； 步骤S32：按迭代公式迭代更新边权重，学习数据中的传递规律，迭代公式表示如下： 其中，表示第次迭代时的边权重矩阵；表示第次迭代时的边权重矩阵；表示学习率； 步骤S33：对数据集的所有原始图像重复执行步骤S31-步骤S32，直至边权重收敛，得到可学习传递性关系图谱；其中，表示谓词集合；表示收敛边权重矩阵； 步骤S4包括如下步骤： 基于全局三元组集合，筛选共现频率大于等于共现频率阈值与主客体重叠度大于等于重叠度阈值的谓词对； 计算筛选后谓词对的先验置信度； 根据谓词对、传递性谓词、谓词对先验置信度构造先验谓词关系表； 步骤S5包括如下步骤： 步骤S51：融合可学习传递性关系图谱与先验谓词关系表，得到传递性权重； 步骤S52：若初始三元组集合谓词对的传递性权重小于最大传递性权重，则修正关系，实现错误关系修正； 步骤S53：若初始三元组集合存在谓词对传递性权重大于等于传递性阈值，且初始三元组集合中缺少此传递性谓词的三元组，则在初始三元组集合中添加此三元组，得到修正补全后的三元组集合； 步骤S54：将修正与补全后的三元组集合作为最终场景图输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。