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！

龙图腾网获悉苏州元脑智能科技有限公司申请的专利多模态数据的处理方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119357904B 。

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411925166.4，技术领域涉及：G06F18/25；该发明授权多模态数据的处理方法及装置是由贺升燃;王超;吴韶华设计研发完成，并于2024-12-25向国家知识产权局提交的专利申请。

本多模态数据的处理方法及装置在说明书摘要公布了：本申请实施例提供了一种多模态数据的处理方法及装置，其中，该方法包括：获取输入的多模态数据，其中，多模态数据包括至少两个模态类型数据；获取至少两个模态类型数据中的各个模态类型数据对应的多个初始数据特征；对多个初始数据特征进行特征筛选，得到至少一个关键数据特征，其中，关键数据特征是初始数据特征中能够表征多模态数据的预设信息的特征；利用关键数据特征，输出多模态数据对应的跨模态联合特征。通过本申请，解决了多模态数据的处理效率较低的问题，进而达到了提高多模态数据的处理效率的效果。

本发明授权多模态数据的处理方法及装置在权利要求书中公布了：1.一种多模态数据的处理方法，其特征在于，包括： 获取输入的多模态数据，其中，所述多模态数据包括至少两个文本模态类型数据和图像模态类数据； 获取所述多模态数据中的各个模态类型数据对应的多个初始数据特征； 为所述多个初始数据特征中的各个初始数据特征构建对应的多个关键权重，其中，所述关键权重用于表示数据特征的保留程度； 利用L1正则化的权重系数，调节所述多个关键权重的稀疏正则化强度，其中，所述权重系数是应用梯度下降算法来迭代更新得到的； 对所述多个初始数据特征进行特征筛选，得到至少一个关键数据特征，其中，所述关键数据特征是所述初始数据特征中能够表征所述多模态数据的预设信息的特征； 利用所述关键数据特征，输出所述多模态数据对应的跨模态联合特征; 所述利用所述关键数据特征，输出所述多模态数据对应的跨模态联合特征，包括： 对所述关键数据特征进行多层次化的特征提取，得到多层特征； 对所述多层特征中的各层特征，使用不同的解耦模块进行解耦，得到每一层次的独立语义特征，其中，所述解耦模块用于分离不同模态特征的不同组成部分； 使用特征解耦损失对特征层次进行解耦，其中，所述使用特征解耦损失对特征层次进行解耦用于避免不同层次特征之间的信息冗余； 利用所述独立语义特征，输出所述跨模态联合特征； 所述对所述关键数据特征进行多层次化的特征提取，得到多层特征，包括： 对所述关键数据特征中的文本关键特征，使用双向LSTM编码器，对文本进行多层次编码，以提取每个单词的上下文信息，再逐层编码生成不同语义层次的特征，提取每个单词的上下文信息； 结合所述上下文信息，对所述文本关键特征进行逐层编码，得到不同语义层次的文本特征； 从所述关键数据特征中的图像关键特征中，提取出图像在多层卷积后得到低层次特征和高层次特征，其中，所述多层卷积后提取的特征分别表示不同细节粒度的特征表示； 所述为所述多个初始数据特征中的各个初始数据特征构建对应的多个关键权重，包括： 将所述多个初始数据特征输入门控循环单元； 通过所述门控循环单元的门控机制来捕捉特征序列中的长期依赖关系； 利用所述长期依赖关系，获取所述门控循环单元在各个时间步输出的隐藏状态，其中，所述隐藏状态包含到当前时间步为止的所有历史信息； 将所述隐藏状态映射为权重向量，其中，所述权重向量中的每个元素对应所述多个关键权重中的各个关键权重。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人苏州元脑智能科技有限公司，其通讯地址为：215000 江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。