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！

龍圖騰網獲悉中國人民解放軍海軍航空大學申請的專利一種多模態船舶細粒度識別方法及系統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：CN120472251B 。

龍圖騰網通過國家知識產權局官網在2025-09-16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：202510983322.0，技術領域涉及：G06V10/764；該發明授權一種多模態船舶細粒度識別方法及系統是由高龍;徐從安;鄭曉梅;李偉明;李湉雨;唐小明;趙靜;郝延彪;劉玉超;王晨旭;王飛設計研發完成，并于2025-07-17向國家知識產權局提交的專利申請。

本一種多模態船舶細粒度識別方法及系統在說明書摘要公布了：本申請公開了一種多模態船舶細粒度識別方法及系統，涉及船舶細粒度識別分類技術領域，該方法包括獲取目標區域的多模態數據并進行數據擴增預處理，構建訓練集和測試集；采用基于物理退化建模的多源特征提取方法進行特征提取，采用基于時空一致性對齊的可判別特征學習的方法進行節點特征更新，采用多模態混合對比損失函數作為損失函數，對型級預測模型進行訓練，迭代訓練完成后得到訓練好的型級預測模型；將各個測試樣本更新后的節點特征輸入至訓練好的型級預測模型，得到最終的型級預測概率。本申請可以提升船舶細粒度識別的準確性。

本發明授權一種多模態船舶細粒度識別方法及系統在權利要求書中公布了：1.一種多模態船舶細粒度識別方法，其特征在于，所述多模態船舶細粒度識別方法包括： 獲取目標區域的多模態數據；所述多模態數據包括ISAR圖像、紅外圖像和可見光圖像； 對所述多模態數據進行數據擴增預處理，并基于預處理后的多模態數據構建訓練集和測試集；所述訓練集中每一訓練樣本均設置有相應的真實型級標簽，所述真實型級標簽用于表示所述目標區域中船舶的真實型級； 對所述多模態數據進行數據擴增預處理，并基于預處理后的多模態數據構建訓練集和測試集，具體包括： 對所述多模態數據進行同步幾何變換，得到變換后的多模態數據； 對所述變換后的多模態數據添加基于物理引導的模態專用擾動，得到添加擾動后的多模態數據； 對所述添加擾動后的多模態數據進行隨機遮擋增強處理，得到預處理后的多模態數據； 對所述預處理后的多模態數據進行樣本劃分，構建得到訓練集和測試集； 采用基于物理退化建模的多源特征提取方法，分別對所述訓練集中各個訓練樣本和所述測試集中各個測試樣本進行特征提取，得到各個訓練樣本的多源特征圖和各個測試樣本的多源特征圖，具體包括： 采用物理退化模型嵌入的方式，建立大氣傳輸方程； 分別將各個訓練樣本和各個測試樣本代入所述大氣傳輸方程，計算得到各個訓練樣本的恢復特征和各個測試樣本的恢復特征； 采用基于退化參數估計子網的退化因子注意力模塊，分別計算各個訓練樣本的注意力掩膜和各個測試樣本的注意力掩膜； 將各個訓練樣本的恢復特征和注意力掩膜進行逐點相乘，得到各個訓練樣本的多源特征圖；同時將各個測試樣本的恢復特征和注意力掩膜進行逐點相乘，得到各個測試樣本的多源特征圖； 所述大氣傳輸方程的表達式為： ； 其中，表示恢復特征，表示輸入特征圖，為透射率，為環境光強度； 采用下式計算注意力掩膜： ； 其中，表示注意力掩膜，為激活函數，為權重矩陣，表示特征拼接； 采用基于時空一致性對齊的可判別特征學習的方法，分別對所述各個訓練樣本的多源特征圖和所述各個測試樣本的多源特征圖進行節點特征更新，得到各個訓練樣本更新后的節點特征和各個測試樣本更新后的節點特征； 將所述各個訓練樣本更新后的節點特征輸入型級預測模型，采用多模態混合對比損失函數作為損失函數，并根據所述型級預測模型輸出的型級預測概率與相應的真實型級標簽計算損失，基于所述損失優化模型參數，迭代訓練完成后得到訓練好的型級預測模型； 將所述各個測試樣本更新后的節點特征輸入至所述訓練好的型級預測模型，得到最終的型級預測概率。

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中國人民解放軍海軍航空大學，其通訊地址為：264001 山東省煙臺市芝罘區二馬路188號科研學術處；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”。