中山大學(xué)譚曉軍獲國家專利權(quán)
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)”。
1、本報(bào)告根據(jù)公開、合法渠道獲得相關(guān)數(shù)據(jù)和信息,力求客觀、公正,但并不保證數(shù)據(jù)的最終完整性和準(zhǔn)確性。
2、報(bào)告中的分析和結(jié)論僅反映本公司于發(fā)布本報(bào)告當(dāng)日的職業(yè)理解,僅供參考使用,不能作為本公司承擔(dān)任何法律責(zé)任的依據(jù)或者憑證。


熱門推薦
- 浙江清華柔性電子技術(shù)研究院馮雪獲國家專利權(quán)
- 深圳市三諾數(shù)字科技有限公司李運(yùn)華獲國家專利權(quán)
- 交通運(yùn)輸部公路科學(xué)研究所韓曉坤獲國家專利權(quán)
- 廈門鑫憶訊科技有限公司劉健獲國家專利權(quán)
- 研祥智能科技股份有限公司鄧遠(yuǎn)志獲國家專利權(quán)
- 美光科技公司李華晨獲國家專利權(quán)
- 上海德爾格醫(yī)療器械有限公司汪皓獲國家專利權(quán)
- 全球能源互聯(lián)網(wǎng)研究院有限公司王博獲國家專利權(quán)
- 深圳市大富科技股份有限公司溫世議獲國家專利權(quán)
- 蘇州正北連接技術(shù)有限公司李亞偉獲國家專利權(quán)