買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中山大學(xué)申請的專利一種基于配對特征合成網(wǎng)絡(luò)的高容錯(cuò)多模態(tài)數(shù)據(jù)融合方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116383756B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310198229.X，技術(shù)領(lǐng)域涉及：G06F18/25；該發(fā)明授權(quán)一種基于配對特征合成網(wǎng)絡(luò)的高容錯(cuò)多模態(tài)數(shù)據(jù)融合方法是由譚曉軍;陳楠杰;邵達(dá)成;王錦萍設(shè)計(jì)研發(fā)完成，并于2023-03-01向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于配對特征合成網(wǎng)絡(luò)的高容錯(cuò)多模態(tài)數(shù)據(jù)融合方法在說明書摘要公布了：本發(fā)明公開了一種基于配對特征合成網(wǎng)絡(luò)的高容錯(cuò)多模態(tài)數(shù)據(jù)融合方法，方法具體包括：對輸入的原始數(shù)據(jù)進(jìn)行動態(tài)權(quán)重分配和預(yù)處理得到初始細(xì)化特征對；對所初始細(xì)化特征對進(jìn)行尺度變換得到輸入特征；對所述輸入特征進(jìn)行分類預(yù)測得到多模態(tài)數(shù)據(jù)融合分類結(jié)果。本發(fā)明通過對輸入的原始數(shù)據(jù)進(jìn)行動態(tài)權(quán)重分配和預(yù)處理，保證了單一數(shù)據(jù)輸入失效時(shí)的系統(tǒng)容錯(cuò)性以及可靠性；還通過尺度變換操作可以突出空間信息，增強(qiáng)邊緣區(qū)域的特征表示，提高了算法的分類精度，也減少了模型參數(shù)的浪費(fèi)。可廣泛應(yīng)用于計(jì)算機(jī)視覺多模態(tài)數(shù)據(jù)融合技術(shù)領(lǐng)域。

本發(fā)明授權(quán)一種基于配對特征合成網(wǎng)絡(luò)的高容錯(cuò)多模態(tài)數(shù)據(jù)融合方法在權(quán)利要求書中公布了：1.一種基于配對特征合成網(wǎng)絡(luò)的高容錯(cuò)多模態(tài)數(shù)據(jù)融合方法，其特征在于，包括： 對輸入的原始數(shù)據(jù)進(jìn)行動態(tài)權(quán)重分配和預(yù)處理得到初始細(xì)化特征對； 對所述初始細(xì)化特征對進(jìn)行尺度變換得到輸入特征； 對所述輸入特征進(jìn)行分類預(yù)測得到多模態(tài)數(shù)據(jù)融合分類結(jié)果； 所述對輸入的原始數(shù)據(jù)進(jìn)行動態(tài)權(quán)重分配和預(yù)處理得到初始細(xì)化特征對，包括： 所述原始數(shù)據(jù)為原始圖像數(shù)據(jù)和原始激光雷達(dá)數(shù)據(jù)； 對所述原始圖像數(shù)據(jù)進(jìn)行權(quán)重分配和主成分分析降維得到第一圖像數(shù)據(jù)； 對所述原始激光雷達(dá)數(shù)據(jù)進(jìn)行權(quán)重分配和卷積維度傳導(dǎo)得到第一激光雷達(dá)數(shù)據(jù)； 對所述第一圖像數(shù)據(jù)和所述第一激光雷達(dá)數(shù)據(jù)進(jìn)行塊學(xué)習(xí)和通道分割后得到圖像數(shù)據(jù)原始特征和雷達(dá)數(shù)據(jù)原始特征； 將所述圖像數(shù)據(jù)原始特征和所述雷達(dá)數(shù)據(jù)原始特征進(jìn)行交叉仿射變換，得到圖像數(shù)據(jù)細(xì)化特征和雷達(dá)數(shù)據(jù)細(xì)化特征； 將所述圖像數(shù)據(jù)細(xì)化特征和所述雷達(dá)數(shù)據(jù)細(xì)化特征進(jìn)行連接得到所述初始細(xì)化特征對； 所述對所述輸入特征進(jìn)行分類預(yù)測得到多模態(tài)數(shù)據(jù)融合結(jié)果，包括： 將所述輸入特征進(jìn)行平均池化和卷積操作得到語義特征； 將所述語義特征通過全局平均池化、全連接層和Softmax函數(shù)，轉(zhuǎn)化為預(yù)測向量進(jìn)行特征分類，得到多模態(tài)數(shù)據(jù)融合分類結(jié)果； 通過交叉熵?fù)p失函數(shù)檢測分類結(jié)果的真值和誤差； 所述將所述圖像數(shù)據(jù)原始特征和雷達(dá)數(shù)據(jù)原始特征進(jìn)行交叉仿射變換，得到圖像數(shù)據(jù)細(xì)化特征和雷達(dá)數(shù)據(jù)細(xì)化特征，包括： 由所述圖像數(shù)據(jù)原始特征和雷達(dá)數(shù)據(jù)原始特征通過互補(bǔ)分組的連接，得到圖像數(shù)據(jù)互補(bǔ)原始特征和雷達(dá)數(shù)據(jù)互補(bǔ)原始特征； 所述圖像數(shù)據(jù)互補(bǔ)原始特征通過第二計(jì)算公式生成第一變換因子和第二變化因子； 所述雷達(dá)數(shù)據(jù)互補(bǔ)原始特征通過第三計(jì)算公式生成第三變換因子和第四變換因子； 通過所述第一變換因子和所述第二變換因子對所述雷達(dá)數(shù)據(jù)原始特征通過第四計(jì)算公式得到所述雷達(dá)數(shù)據(jù)細(xì)化特征； 通過所述第三變換因子和所述第四變換因子對所述圖像數(shù)據(jù)原始特征通過第五計(jì)算公式得到所述圖像數(shù)據(jù)細(xì)化特征。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人中山大學(xué)，其通訊地址為：510275 廣東省廣州市海珠區(qū)新港西路135號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。