買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉粵港澳大灣區(廣東)國創中心申請的專利多模態融合微調訓練方法、裝置、電子設備以及可讀存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119169405B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410795433.4，技術領域涉及：G06V10/774；該發明授權多模態融合微調訓練方法、裝置、電子設備以及可讀存儲介質是由邵軍;容漢鏗;張晴浩;曾建力;賴官壬設計研發完成，并于2024-06-19向國家知識產權局提交的專利申請。

本多模態融合微調訓練方法、裝置、電子設備以及可讀存儲介質在說明書摘要公布了：本發明提供了一種多模態融合微調訓練方法、裝置、電子設備以及可讀存儲介質，該方法包括獲取起始3D模型的點云模型Pi和若干張多視圖；通過自監督學習獲取點云模型Pi的特征向量Zi，以及多視圖512維度的特征向量hi；對特征向量Zi與特征向量hi進行拼接，得到512維度的融合特征向量fi；通過DHC損失函數進行融合特征向量fi的分層分類微調訓練，并通過批次中心相似度學習機制進行融合特征向量fi的度量學習微調訓練。融合自監督學習2條特征向量，能兼顧不同輸入技術路線的優點，有利于提升模型特征向量的檢索精度，通過少量分類數據的微調訓練能讓模型快速習得基于特定任務預設的分類信息，度量學習機制確保了不同細分類在特征向量空間的距離。

本發明授權多模態融合微調訓練方法、裝置、電子設備以及可讀存儲介質在權利要求書中公布了：1.一種多模態融合微調訓練方法，其特征在于，包括以下步驟： 獲取起始3D模型的點云模型Pi和若干張多視圖； 通過自監督學習獲取點云模型Pi的特征向量Zi，以及多視圖的512維度特征向量hi，包括： 從5000×6點云模型Pi中隨機采樣2個2048×6點云數據；對2個2048×6點云數據進行隨機旋轉和或拉伸處理，得到點云模型和點云模型使用DGCNN對點云模型和點云模型進行特征提取，分別得到特征向量與特征向量根據特征向量與特征向量的均值，確定點云模型Pi的特征向量Zi；構建模型分層分類框架，針對每個分類收集若干個三維模型，形成具有分類標簽的微調訓練數據；使用經MVCNN模型，對所述若干張多視圖進行特征提取，得到512維度的特征向量hi； 對所述特征向量Zi與所述特征向量hi進行拼接，得到512維度的融合特征向量fi，包括： 將所述特征向量Zi與所述特征向量hi拼接后，經過一層DropOut層和一層全鏈接層轉換得到512維度的融合特征向量fi； 通過DHC損失函數進行所述融合特征向量fi的分層分類微調訓練，并通過批次中心相似度學習機制進行所述融合特征向量fi的度量學習微調訓練，包括： 基于所述融合特征向量fi，經過兩層全鏈接層分別得到一級類向量分布C1和二級類向量分布C2；構建三維模型數據二級分類框架，從每個二級類中提取若干個微調訓練模型，通過DHC損失函數，基于所述若干個微調訓練數據驅使神經網絡學習分層分類信息；基于所述一級類向量分布C1和二級類向量分布C2，通過DHC損失函數驅使多模態神經網絡學習分層分類信息；基于一級類向量分布C1和二級類向量分布C2，計算同一批次訓練數據中模型與其相應類別中心向量ct的距離di，及其它類別模型距離該中心向量ct的最小距離mindj；設置mindj-di2，使得同類模型距離該類中心向量的距離較其它類模型距離該中心向量的距離小于2。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人粵港澳大灣區(廣東)國創中心，其通訊地址為：510700 廣東省廣州市黃埔區開達路101號自編1棟101室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。