龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：中国矿业大学
摘要：本发明公开了一种基于动态提示信息的缺失模态的多模态图像识别方法。本发明提出了两个创新点：1本发明针对的是在训练和测试阶段均缺失的场景下，使模型更具鲁棒性，能够更好地适应真实生活中多变的条件。2本发明提出了动态提示信息的融合模块，增强了剩余模态间充分的交互，提升了多模态识别任务性能。并且可以根据识别样本的难易程度，动态选择融合模块，融合未缺失的模态信息，提高模型对复杂情境的应对能力。
主权项：1.一种基于动态提示信息的缺失模态的多模态图像识别方法，其特征在于，包括以下步骤：步骤1、采集若干掌纹掌静脉图像构建多模态掌纹掌静脉图像数据集，对上述数据集进行预处理，再将其按照1：1划分为训练集和测试集；步骤2、构建整体网络模型：整体网络模型包括模态的共有特征提取网络、模态的私有特征提取网络、基于动态提示信息的融合模块；步骤3、训练整体网络模型：利用训练集训练整体网络模型，训练时进行随机模态缺失，得到缺失模态和未缺失模态，进行特征提取后，得到整体网络模型的各个模态特征；步骤3-1、利用训练集训练整体网络模型，训练时进行随机模态缺失，得到缺失模态和未缺失模态；步骤3-2、利用模态的共有特征提取网络对未缺失模态进行特征提取，得到未缺失模态的共有特征，利用模态的私有特征提取网络对未缺失模态进行特征提取，得到未缺失模态的私有特征；步骤3-3、根据不同样本的难易程度，利用基于动态提示信息的融合模块灵活调整融合策略，得到第一融合特征；在未缺失模态的私有特征的基础上，与第一融合特征进行融合，生成缺失模态的特征；步骤3-4、将未缺失模态的私有特征和缺失模态的特征进行融合，得到第二融合特征；步骤4、将第二融合特征输入整体网络模型的分类层，得到预测标签，通过损失函数计算预测标签与真实标签之间的差异，并反向传播误差以更新模型参数，从而优化训练的整体网络模型，提升网络模型的识别准确度，得到最终网络模型，使其能够更精准地进行样本分类；步骤5、使用测试集评估最终网络模型，测试其准确性和误差率。
全文数据：
权利要求：
百度查询： 中国矿业大学 基于动态提示信息的缺失模态的多模态图像识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号