申请/专利权人：桂林电子科技大学

申请日：2023-12-11

公开（公告）日：2024-03-12

公开（公告）号：CN117689940A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06N3/0499

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明公开了一种基于ViT融合LPOM优化方法的多模态图像分类方法，包括：将待分类图像输入ViT模型后，基于Transformer结构提取所述待分类图像的图像特征；基于文本嵌入层提取所述待分类图像的文本特征；将所述图像特征和所述文本特征进行融合得到图像多模态特征；基于LPOM优化后的编码器对所述图像多模态特征进行迭代处理，输出图像分类预测结果。本发明通过引用LPOM来优化ViT模型，能够提高ViT模型的泛化能力，进而提升整体模型的的鲁棒性和泛化能力，提升模型对图片分类的准确率。

主权项：1.一种基于ViT融合LPOM优化方法的多模态图像分类方法，其特征在于，包括以下步骤：将待分类图像输入ViT模型后，基于Transformer结构提取所述待分类图像的图像特征；基于文本嵌入层提取所述待分类图像的文本特征；将所述图像特征和所述文本特征进行融合得到图像多模态特征；基于LPOM优化后的编码器对所述图像多模态特征进行迭代处理，输出图像分类预测结果。

全文数据：

权利要求：

百度查询： 桂林电子科技大学 基于ViT融合LPOM优化方法的多模态图像分类方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD