“多模态测图”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果5094438个，建议您升级VIP下载更多相关专利

[发明专利]一种联合图对比学习的自适应多通道图卷积网络-CN202111607180.6在审
发明人：朱旗;徐如婷;于婧;朱婷;张道强 -专利权人：南京航空航天大学
申请日： 2021-12-24 - 公布日： 2022-04-08 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种联合图对比学习的自适应多通道图卷积网络方法。多模态大数据往往由多种的不同结构形式的数据组成，这些数据之间往往具有互补性，相互验证性，融合性的特点。如何准确高效的提取多模态数据之间的互补信息是多模态研究的主要目标。然而，目前大多数做多模态融合的方法仅仅关注多模态之间的互补信息，但往往忽略了单一模态下的特异性信息。除此以外，如何利用图卷积网络从多模态中提取丰富且具有区分性的表达，目前还很少有人研究。为此，本发明公开了一种联合图对比学习的自适应多通道图卷积网络方法，该框架以脑网络研究为背景，不仅能够挖掘脑网络的时间和空间信息，还能够有效的融合多模态的特有和共享特征。
一种联合对比学习自适应通道图卷网络

[发明专利]数据驱动智能储能软开关多模态自适应运行控制方法-CN202211500619.X在审
发明人：江疆;冯歆尧;王金贺;敖知琪;谢瀚阳;梁盈威;宋关羽;于川航;冀浩然 -专利权人：广东电网有限责任公司
申请日： 2022-11-28 - 公布日： 2023-04-07 - 主分类号： H02J3/00 文献下载
摘要：本发明的数据驱动智能储能软开关多模态自适应运行控制方法，考虑到分布式电源高比例接入下配电网多样化运行控制需求，利用伪雅可比矩阵的易扩展特性，针对不同控制目标，利用多源量测数据，采用动态线性化方法，在配电网物理参数和模型未知的情况下构建ESOP多模态运行控制模型；本发明能够根据实际量测与各控制目标参考区间的偏差判断配电网的实际运行状态并自适应切换控制模态，在满足实际配电网多样化的运行需求的同时，实现配电网自适应灵活运行。
数据驱动智能储能软开关多模态自适应运行控制方法

[发明专利]多模态精神疾病评估方法、计算机设备和存储介质-CN202211630192.5在审
发明人：郭田友;寻潺潺;李敏健;梁臻;王松 -专利权人：深圳市仰和技术有限公司
申请日： 2022-12-19 - 公布日： 2023-05-26 - 主分类号： G16H50/20 文献下载
摘要：本申请公开了一种多模态精神疾病评估方法、计算机设备和存储介质。多模态精神疾病评估方法包括：获取目标对象的声音模态数据、文本模态数据和影像模态数据；通过神经网络模型对声音模态数据、文本模态数据和影像模态数据进行处理得到属性分类结果；根据属性分类结果定位决策树形图；引导目标对象完成决策树形图以完成精神疾病评估本申请的多模态精神疾病评估方法通过人工智能多模态技术处理目标对象与机器设备交互过程的文字数据、语音数据和视频数据，并借助训练数据集在神经网络的协同下完成决策树形图，引导目标对象完成决策树形图以完成精神疾病评估
多模态精神疾病评估方法计算机设备存储介质

[发明专利]一种基于动力学模态分解的结构模态参数识别方法-CN202310346392.6在审
发明人：贺顺;吴承远;高雪晗;谷迎松 -专利权人：西北工业大学
申请日： 2023-04-03 - 公布日： 2023-07-18 - 主分类号： G06F18/21 文献下载
摘要：本发明提出一种基于动力学模态分解的结构模态参数识别方法，该方法根据动力学模态分解方法，选择被测结构中各响应点的位移和速度振动信号构造快照矩阵，通过奇异值分解和特征值分析得到模态截断下系统的特征值和特征向量，变换不同的模态截断阶数并求解对应阶数下的模态频率，构造出截断阶数与求解模态频率之间的关系图，利用结构模态频率与奇异值截断阶数无关的性质，剔除虚假模态，得到被测结构的真实模态频率、模态阻尼比和模态振型等模态参数本发明提出的构造稳定图方法可剔除动力学模态分解方法中出现的大量的虚假模态，完善了动力学模态分解方法在结构模态识别问题中的分析过程，通过本发明能够得到结构的模态参数。
一种基于动力学分解结构参数识别方法

[实用新型]一种用于多模态测试的测试装置-CN202021279769.9有效
发明人：陈鹏;刘亮刚;张晓晟 -专利权人：中国航空无线电电子研究所
申请日： 2020-07-02 - 公布日： 2021-04-23 - 主分类号： G01M7/02 文献下载
摘要：本实用新型一种用于多模态测试的测试装置，包含测试平台，测试平台包含平台底座(7)、激振器(1)、支撑架(2)、橡皮筋(3)，激振器(1)固定在平台底座(7)的桌面上的一个侧边上，同时桌面上有若干个用于安装被测产品的安装孔，将进行激振器法模态测试的被测产品(6)根据测试要求选择合适的安装孔进行安装固定；支撑架(2)被放置在平台底座(7)上，橡皮筋的一端连接在支撑架的顶端，另一端连接进行锤击法模态测试的被测产品(5)。本实用新型可以进行锤击法模态测试、激振器法模态测试。
一种用于多模态测试装置

[发明专利]基于多模态融合的鸟瞰图特征生成方法-CN202211290367.2在审
发明人：缪文俊;李雪;陈禹行 -专利权人：北京易航远智科技有限公司
申请日： 2022-10-21 - 公布日： 2023-01-06 - 主分类号： G06V20/56 文献下载
摘要：本公开提供了一种基于多模态融合的鸟瞰图特征生成方法，包括：提取当前时刻的本车的所有车载传感器的采集信息，以至少获得第一模态采集信息和第二模态采集信息；使用第一模态特征提取网络提取第一模态采集信息的第一模态特征，使用第二模态特征提取网络提取第二模态采集信息的第二模态特征；基于历史时刻鸟瞰图特征获取当前时刻的初始化之后的鸟瞰图特征；基于第一模态特征以及当前时刻的初始化之后的鸟瞰图特征获得具有第一模态特征信息的鸟瞰图特征；基于具有第一模态特征信息的鸟瞰图特征及第二模态特征获得具有第二模态特征信息的鸟瞰图特征；生成具有多模态融合信息的鸟瞰图特征。
基于多模态融合鸟瞰图特征生成方法

[发明专利]一种基于多模态的函数级漏洞检测的方法-CN202310599590.3在审
发明人：倪超;郭昕蓉;夏鑫;杨小虎 -专利权人：浙江大学
申请日： 2023-05-25 - 公布日： 2023-08-18 - 主分类号： G06F21/57 文献下载
摘要：本发明公开了一种基于多模态的函数级漏洞检测的方法，该方法利用了多模态的信息来自动识别一个新的函数源代码是否包含漏洞；对数据集进行预处理和数据划分，构建函数源代码对应的图结构，并基于图graph结构信息生成函数源代码图片；构建多模态漏洞检测模型，由代码编码器、全局图片编码器、节点位置编码器、多模态图结构编码器和分类模块组成；反向传播更新多模态漏洞检测模型的参数，直到损失函数收敛，得到训练好的多模态漏洞检测模型；最终将一个新的函数源代码输入到训练好的多模态漏洞检测模型中
一种基于多模态函数漏洞检测方法

[发明专利]一种电力系统低频振荡模式及模态辨识方法-CN201711142131.3有效
发明人：葛维春;刘方正;张艳军;高凯;苏安龙;姜涛;陈厚合;王刚 -专利权人：国网辽宁省电力有限公司;国网辽宁省电力有限公司电力科学研究院;东北电力大学;国家电网公司
申请日： 2017-11-17 - 公布日： 2021-06-08 - 主分类号： H02J3/24 文献下载
摘要：本发明公开了一种电力系统低频振荡模式及模态辨识方法，属于电力系统安全稳定运行领域。本发明提供了一种高效的基于多通道量测信号的电力系统低频振荡模式及振荡模态辨识方法，利用快速傅立叶小波变换技术，降低了电力系统低频振荡辨识的时间复杂度，提高了电力系统低频振荡的辨识效率；利用奇异值分解实现了多通道量测信号的振荡模式辨识；在此基础上，可有效辨识出电力系统的振荡模式和振荡模态。
一种电力系统低频振荡模式辨识方法

[发明专利]多模态植物知识查询方法、系统及计算机设备-CN202310362413.3在审
发明人：侯志伟;尹超;孙嘉;刘樾;荆文龙;杨骥;高真;邓应彬;李勇 -专利权人：广东省科学院广州地理研究所;南方海洋科学与工程广东省实验室（广州）
申请日： 2023-04-04 - 公布日： 2023-07-21 - 主分类号： G06F16/583 文献下载
摘要：本发明涉及一种多模态植物知识查询方法、系统及计算机设备；包括以下步骤：获取植物的图文多模态要素和图文跨模态关系，构建多模态植物知识图谱的模式层，其中，模式层包括植物本体；根据植物本体，结合图文多模态数据，构建多模态植物知识图谱的文本数据层和图像数据层；建立图文多模态数据与植物本体之间的映射关系；根据映射关系，将文本数据层和图像数据层映射到模式层，构建多模态植物知识图谱；将多模态植物知识图谱存入图数据库，通过图文检索，调用多模态植物知识图谱，查询植物知识。本发明所述的多模态植物知识查询方法、系统及计算机设备具有利用多模态数据，强化植物知识的查询检索功能，提高对植物知识的查询应用的优点。
多模态植物知识查询方法系统计算机设备

[发明专利]一种深度多模态图卷积的脑图分类方法-CN202110898144.3有效
发明人：孔佑勇;王文涵;高舒雯;舒华忠;岳莹莹;陈素珍;袁勇贵 -专利权人：东南大学
申请日： 2021-08-05 - 公布日： 2022-11-18 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种深度多模态图卷积的脑图分类方法，通过将不同模态间脑图进行融合达到脑图的分类目的。首先进行多模态脑拓扑图构建，利用静息态功能磁共振数据与弥散张量磁共振数据依据其生物学意义构建脑拓扑图；然后，进行多模态融合，包含功能‑结构融合和动态‑静态融合两个部分。本发明不仅使用了多种模态特征，并对其进行了融合，能够充分利用特征间的相似性和互补性，这使得进行脑图分类的结果更加准确。
一种深度多模态图卷分类方法

[发明专利]融合多模态生物特征的精神分裂症风险评估和筛查算法-CN202211325632.6在审
发明人：王慧茹;赵国柱;赵欢欢;张昕;凌先传;凡承春;高倩;梅娜;桑春苗;蔡汉娟;陈静;宋劲松 -专利权人：滁州市第二人民医院（市传染病医院、市精神病医院）;滁州学院
申请日： 2022-10-27 - 公布日： 2023-02-03 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了融合多模态生物特征的精神分裂症风险评估和筛查算法，包括以下步骤：S1.语音信息采集：利用多模态信息采集器采集精神分裂症患者的语音信息，语音信息主要包括长段文字以及词语的朗读；S2.面部图像信息采集：通过多模态信息采集器来采集精神分裂症患者的面部图像信息，面部图像信息采集主要是待测人的正脸照片，静态采集的精神分裂症患者面部微表情特征；S3.视频信息采集：再通过多模态信息采集器来采集精神分裂症患者的视频信息，视频信息采集记录待测人行走及头部转动过程的内容，本发明首次提出基于机器学习、人工智能算法对语音、面部图像和视频等多模态信息联合分析的精神分裂症病患筛查评估机制。
融合多模态生物特征精神分裂症风险评估算法

[发明专利]一种小型便携式多模态鉴赏评估系统及方法-CN202111318995.2在审
发明人：王筱敏;许敏鹏;王坤 -专利权人：天津大学
申请日： 2021-11-09 - 公布日： 2022-02-01 - 主分类号： A61B5/16 文献下载
摘要：本发明属于智能情绪评估的技术领域，具体涉及一种小型便携式多模态鉴赏评估系统，包括穿戴式多模态信号采集单元、主控单元和显示器；所述穿戴式多模态采集单元包括便携式脑电帽、便携式眼动仪、感测背心、多模态信号手套此外，本发明还公开了一种小型便携式多模态鉴赏评估方法。
一种小型便携式多模态鉴赏评估系统方法

[发明专利]一种基于街景图像多模态信息的建筑物分类方法-CN202310953601.3在审
发明人：田盼盼;方芳;李圣文;康家宁;刘洋 -专利权人：中国地质大学（武汉）
申请日： 2023-07-31 - 公布日： 2023-10-27 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于街景图像多模态信息的建筑物分类方法，所述方法基于SVI全局视觉信息、局部视觉信息、招牌文本等多种模态信息，采用图神经网络实现多模态信息推理，实现城市建筑物单体功能自动分类。该方法首先通过招牌文本知识图谱获取文本信息，然后对文本信息和局部视觉进行多模态推理，最后融合全局视觉信息实现建筑物功能分类。本发明通过构建招牌文本知识图谱和多模态推理图，融合SVI多模态信息，克服现有技术中对SVI蕴含信息利用不充分的问题。对SVI多模态信息的充分利用和有效融合使得建筑物分类的精度得到了有效提升。
一种基于街景图像多模态信息建筑物分类方法

[发明专利]基于视差估计的多模态图像配准方法-CN202210824492.0在审
发明人：岳涛;李娜;黄志聪;胡雪梅 -专利权人：南京大学
申请日： 2022-07-14 - 公布日： 2022-12-13 - 主分类号： G06T3/00 文献下载
摘要：本发明公开了一种基于视差估计的多模态图像配准方法。具体步骤为：(1)搭建阵列成像系统；(2)构造数据集；(3)将图像输入神经网络，采用双支路策略，提取共有特征与特有特征；(4)利用通道注意力增强模块进行特征增强，构建基于视差的匹配代价，通过视差回归得到视差图；(5)利用所求得视差图，通过单应性扭曲进行图像对齐，实现多模态图像的配准融合；(6)构建损失函数，包括平均绝对损失函数和最小二乘生成对抗损失函数；(7)将测试集的图像输入神经网络，得到风格生成图、预测视差图和对齐融合后的多模态图本发明的方法可以通过不同视角的多模态图像得到视差图，进而求得配准融合后的多模态图像。
基于视差估计多模态图像方法

[发明专利]基于渐进式对比学习的多模态机器翻译模型的训练方法-CN202310213158.6在审
发明人：苏劲松;尹永竞;余嘉炜 -专利权人：厦门大学
申请日： 2023-03-07 - 公布日： 2023-08-08 - 主分类号： G06F40/58 文献下载
摘要：本申请提出了一种基于渐进式对比学习的多模态机器翻译模型的训练方法，包括首先，获取源端句子和对应图像；接着，根据源端句子和对应图像进行多模态图的构建，其中，多模态图包括节点集合和节点集合中各个节点之间的边构成的边集合；最后，建立多模态机器翻译模型，并根据多模态图对多模态机器翻译模型进行对比学习训练，其中，在训练过程中，先采用随机负样本进行训练，并根据当前训练步数和训练总步数逐步提高难负样本的数量，直至训练完成；由此，通过在训练过程中逐渐增加难负样本的数量，从而使得多模态机器翻译模型得以在更平滑的学习过程中区分不同类型的样本，提高训练效果。
基于渐进对比学习多模态机器翻译模型训练方法