申请/专利权人：中国人民解放军军事科学院国防科技创新研究院

申请日：2023-06-07

公开（公告）日：2024-04-09

公开（公告）号：CN117851962A

主分类号：G06F18/25

分类号：G06F18/25;G06F18/214;G06F18/22;G06F18/213;G06F18/24;G06N3/0464;G06N3/0499;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明属于多模态信息融合技术领域，涉及一种基于对比学习信息匹配及混合梯度的多模态融合方法。所述方法，输入或采集信号，得到各时刻各模态信号并将各时刻各模态信号输入模态信息特征提取器；模态信息特征编码器对各时刻各模态信号进行特征编码，再将编码后的模态输入映射器；映射器将编码后的模态映射到一个潜在空间，得到映射后特征；将映射后特征进行匹配训练，使得同一时刻点、不同模态之间信号相似度尽可能大，不同时刻点信号相似度尽可能小，得到匹配后相似度；将待预测的不同时刻点多模态信息经模态信息特征编码器编码模态信息特征，通过混合梯度融合算法输出识别结果。所述方法实现了多模态的有效融合和高的识别与分类准确率。

主权项：1.一种基于对比学习信息匹配及混合梯度的多模态融合方法，其特征在于，包括：S1：输入或采集信号，得到各时刻各模态信号，并将各时刻各模态信号输入模态信息特征提取器；所述信号是经过预处理的信号或未经处理的原始信号；S2：模态信息特征编码器对各时刻各模态信号进行特征编码，再将编码后的模态输入映射器；所述模态信息特征编码器依据原始信号类别而不同：当原始信号为语音信号时，模态信息特征编码器为预训练wav2vec2.0模型；当原始信号为图片信号时，模态信息特征编码器为卷积神经网络；当原始信号为脑电信号时，模态信息特征编码器为转换器；S3：映射器将编码后的模态映射到一个潜在空间，得到映射后特征；S4：将映射后特征进行匹配训练，使得同一时刻点、不同模态之间信号相似度尽可能大，不同时刻点信号相似度尽可能小，得到匹配后相似度；S5：将待预测的不同时刻点多模态信息经模态信息特征编码器编码模态信息特征，通过混合梯度融合算法输出识别结果。

全文数据：

权利要求：

百度查询： 中国人民解放军军事科学院国防科技创新研究院 一种基于对比学习信息匹配及混合梯度的多模态融合方法

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