“多模态骨 ”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1218707个，建议您升级VIP下载更多相关专利

[发明专利]基于EPID的图像引导放疗中DR和DRR影像跨模态自动配准方法-CN202110185991.5在审
发明人：倪昕晔;孙佳伟;刘琮;李春迎;毕卉;陆正大;高留刚 -专利权人：常州市第二人民医院
申请日： 2021-02-13 - 公布日： 2021-05-11 - 主分类号： G06T7/33 文献下载
摘要：本发明涉及图像引导放疗技术领域，尤其涉及基于EPID的图像引导放疗中DR和DRR影像跨模态自动配准方法，步骤包括：采集图像、构建深度学习模型、骨性边界分割、图像配准、EPID图像引导放疗临床应用；EPID获取正交的DR影像，计划CT重建出DRR影像，将每个患者的DRR影像和DR影像预处理，并作为图像组输入到深度学习模型中，自动分割两幅图像中的骨性边界，再利用传统的互信息方法通过配准边界轮廓来实现两幅图像的跨模态自动配准本发明通过利用清晰的高质量DRR影像，基于深度学习实现影像信息跨模态的交互，改进了EPID获取的DR影像质量，预测可靠的骨性边界实现高鲁棒性的配准，提高图像引导放疗质量。
基于 epid 图像引导放疗 dr drr 影像跨模态自动方法

[发明专利]一种基于单模态和多模态联合训练的情感分析方法及系统-CN202310149494.9在审
发明人：朱振方;李萌;李克峰;亓江涛;裴洪丽;张广渊;王朋 -专利权人：山东交通学院
申请日： 2023-02-21 - 公布日： 2023-05-30 - 主分类号： G06F16/335 文献下载
摘要：本发明公开了一种基于单模态和多模态联合训练的情感分析方法及系统，涉及多模态情感分析技术领域。为了兼顾多模态的交互和独立，本发明提出了一种名为JTUM的融合策略，该策略包含了三个单模态任务和多模态任务。在单模态任务中，使用单模态标签生成模块来获得独立的单模态监督，学习单模态表示。在多模态任务中，使用crossmodal transformer来学习多模态序列之间的交互。本发明的方法既关注了单个模态的特性，又关注了跨模态间的相互作用，提高了预测模型的鲁棒性能够获得更为准确的情感分析结果，为平台智能管理和兴趣推荐等大数据处理技术的应用提供了重要的技术辅助。
一种基于单模多模态联合训练情感分析方法系统

[发明专利]一种基于模态增强卷积图的多模态情感分类方法-CN202211377291.7在审
发明人：孔万增;倪斌斌;唐佳佳;杨宇涛;戴玮成;朱莉 -专利权人：杭州电子科技大学
申请日： 2022-11-04 - 公布日： 2023-01-31 - 主分类号： G06F18/241 文献下载
摘要：本发明公开一种基于模态增强卷积图的多模态情感分类方法。本发明提出了一个新的模态增强融合框架，它基于图卷积神经网络，为融合未对齐的多模态序列提供了一个有效的方法。在文本模态的帮助下，首先使用多模态增强模块来增强视觉和听觉模态以获得具有更强情感鉴别性的模态信息，从而帮助后续的聚合过程。此外，还构建了文本驱动的多模态特征图来进行模态融合，这可以有效地处理图卷积聚合过程中各模态之间的不平衡问题。最后将模态增强卷积图中提取的融合信息整合到文本表征中，从而动态地将原始文本表征向最准确的多模态语义空间转化。相比于现有多模态融合方法，本发明的结果更优。
一种基于增强卷积多模态情感分类方法

[发明专利]一种跨模态图像生成和检测的方法及装置-CN202210545711.1在审
发明人：马博渊;赵基淮;班晓娟;王笑琨 -专利权人：北京科技大学;北京科技大学顺德研究生院
申请日： 2022-05-19 - 公布日： 2022-11-01 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种跨模态图像生成和检测的方法及装置，属于图像处理和人工智能技术领域，能够实现跨模态生成医学影像，且完成目标检测；该方法包括：S1、获取两种以上模态的图像集并进行配准；S2、对图像集进行融合得到第一多模态融合图像；S3、利用第一多模态融合图像以及其对应的单模态图像对跨模态图像生成模型进行训练；S4、将第一多模态融合图像对应的单一模态图像输入跨模态图像生成模型中得到第二多模态融合图像；S5、将第二多模态融合图像和对应的第一多模态融合图像输入目标检测模型中进行训练；S6、对模型进行端到端调优，得到最终的跨模态图像生成模型和目标检测模型。
一种跨模态图像生成检测方法装置

[发明专利]一种网络模态管理系统及管理方法-CN202210826286.3有效
发明人：朱俊;邹涛;薛镭;骆汉光;徐琪 -专利权人：之江实验室
申请日： 2022-07-14 - 公布日： 2022-11-18 - 主分类号： G06F8/71 文献下载
摘要：本发明公开一种网络模态管理系统及管理方法，该系统包括多模态网络集成开发环境和多模态网络分布式编译部署环境；多模态网络集成开发环境还包括网络模态部署文件打包工具，用于将网络模态源文件和相应的配置文件打包成网络模态部署文件；所述多模态网络分布式编译部署环境，包括部署在控制器服务器上的多模态网络模态程序包管理器以及部署在网络节点设备上的网络节点设备网络模态程序包管理器。本发明实现对多模态网络中网络模态的统一管理，将部署文件自动分发到网络内所有网络节点设备，统一协调源代码文件在各个网络节点设备以及设备上不同目标转发模块上的编译部署工作，从而显著提高网络模态的管理效率。
一种网络管理系统方法

[发明专利]数据挖掘方法、装置、终端设备及介质-CN202310606494.7在审
发明人：邹斌;贺瑶函;李金龙 -专利权人：招商银行股份有限公司
申请日： 2023-05-25 - 公布日： 2023-08-15 - 主分类号： G06F16/2458 文献下载
摘要：本发明公开了一种数据挖掘方法、装置、终端设备及计算机可读存储介质，该方法包括：获取目标多模态数据，并根据预设融合引擎中的多个融合器，分别对所述目标多模态数据进行数据融合，得到对应的多模态融合因子；根据预设价格预测模型，从多个所述多模态融合因子中获取目标多模态融合因子，以根据所述目标多模态因子，预测所述目标多模态数据的价格涨跌概率。
数据挖掘方法装置终端设备介质

[发明专利]一种深度不完备多模态数据的聚类方法及相关装置-CN202310525397.5在审
发明人：张正;何汶珏;卢光明 -专利权人：哈尔滨工业大学（深圳）
申请日： 2023-05-10 - 公布日： 2023-08-29 - 主分类号： G06V10/762 文献下载
摘要：本申请公开了一种深度不完备多模态数据的聚类方法及相关装置，方法包括获取不完备多模态数据中的各模态的原始模态数据；根据模态特点构建神经网络来提取特定表征学习架构，通过多模态聚合模型提取各原始模态数据的模态特征，针对各原始模态数据的模态特征确定各原始模态数据的隐式数据表征，基于隐式数据表征确定基准表征；基于基准表征、模态特征及隐式数据表征训练多模态聚合模型，以得到目标公共数据表征；基于目标公共数据表征采用聚类分析算法确定不完备多模态数据的目标类别簇本申请通过基于模态特征、隐式数据表征和公共表征对多模态聚合模型进行联合学习，可以避免因模态特征固定而导致无法采用最具区别性的特征的问题，从而可以有效地提升聚类精度。
一种深度完备多模态数据方法相关装置

[发明专利]可扩展的多模态层析成像系统-CN201811071494.7有效
发明人：谭超;陈睿阳;董峰 -专利权人：天津大学
申请日： 2018-09-14 - 公布日： 2021-02-19 - 主分类号： G01N33/00 文献下载
摘要：本发明涉及一种可扩展模态的层析成像系统，包括主控模块以及各个单模态层析成像模块。其中，主控模块，承担各个单模态层析成像模块间的数据通信功能，协调各个单模态层析成像模块的数据采集速度和时序；各个单模态层析成像模块，可以通过多模态通信接口与多模态控制线相连；使用所述多模态控制线连接多模态主控芯片和各个单模态层析成像模块的控制芯片，并使用多模态主控芯片，通过多模态控制线传输状态与指令信号，实现对各个单模态层析成像模块的工作时序，工作速率控制，并协调各模态间的数据通信；多模态主控芯片采用FPGA芯片，读取状态线上的电平值，根据已编制好的内部程序，通过指令线向各个模态发送开始工作指令，协调各个单模态层析成像模块工作时序。
扩展多模态层析成像系统

[发明专利]一种基于多模态超图学习的微博情感预测方法-CN201611128388.9在审
发明人：纪荣嵘;曹冬林;陈福海 -专利权人：厦门大学
申请日： 2016-12-09 - 公布日： 2017-05-31 - 主分类号： G06F17/27 文献下载
摘要：一种基于多模态超图学习的微博情感预测方法，属于多模态情感分析领域。针对在微博多通道内容上的情感预测中存在的问题，提供一种基于多模态超图学习的微博情感预测方法。包括以下步骤1)提取微博多模态特征；2)计算微博间距离；3)构建多模态超图模型；4)超图学习。更好关联不同的模态解决模态间的独立性，在微博情感预测上有比较好的效果。
一种基于多模态超图学习情感预测方法

[发明专利]一种基于协同注意力的多模态情感分类方法及其应用-CN202211241308.6在审
发明人：师飘;胡敏;时雪峰;李泽中;任福继 -专利权人：合肥工业大学
申请日： 2022-10-11 - 公布日： 2022-12-30 - 主分类号： G06F16/45 文献下载
摘要：本发明公开了一种基于协同注意力的多模态情感分类方法及其应用，包括：1获取多模态人物情感视频数据集，并进行预处理；2构建基于协同注意力的跨模态调制网络，并在相关损失的监督下，获得最终的模态调制特征表达；3设计多模态门控网络，获取引导调制模态的偏移向量以及门控调制模态表达向量；4构建情感预测模块；5多模态情感的分类预测输出。本发明通过构建协同注意力模块，对文本引导的听觉特征和文本引导的视觉特征进行相关分析，促进非语言模态的情感表达，并在多模态门控网络的调整下，使得模态之间数据充分交互，符合人类对多模态情感的综合判断过程，最终提升情感判别的精度
一种基于协同注意力多模态情感分类方法及其应用

[发明专利]一种用于模态缺失场景的多模态情感识别方法及系统-CN202310840266.6在审
发明人：罗威;赖韩江;印鉴 -专利权人：中山大学
申请日： 2023-07-10 - 公布日： 2023-10-24 - 主分类号： G06F18/213 文献下载
摘要：本发明涉及情感识别技术领域，尤其涉及一种用于模态缺失场景的多模态情感识别方法及系统，包括：获取缺失情况特征和多模态联合特征；利用自注意力机制对各模态高级特征、多模态联合特征和缺失情况特征进行缺失模态特征重构，得到多模态重构特征；将重构视觉特征、重构音频特征映射到重构文本特征空间，并利用多模态门控融合机制进行两两模态间的特征融合，得到文本视觉融合特征和文本音频融合特征，以进行情感类别分类，得到情感类别预测结果本发明通过重构缺失的多模态数据以及考虑各模态之间的语义特征差异性，增强了模态缺失场景下的分类鲁棒性，提高了情感分类的准确率，在实际应用中具有良好的发展前景。
一种用于缺失场景多模态情感识别方法系统

[发明专利]基于跨模态互注意力机制的多模态文档检索方法及装置-CN202310337398.7在审
发明人：黄永峰;黄颖卓;陈泽平;何亮 -专利权人：清华大学
申请日： 2023-03-31 - 公布日： 2023-07-07 - 主分类号： G06F16/335 文献下载
摘要：本申请涉及文档检索技术领域，特别涉及一种基于跨模态互注意力机制的多模态文档检索方法及装置，其中，方法包括：建模文档的多模态表示，基于多模态互注意力机制得到目标文档感知的多模态文档表示，融合文档的自注意力向量化表示和多模态增强向量化表示，得到文档的多模态增强统一表示，计算目标文档和至少一个候选文档相关性分数并进行排序，检索到相关的文档。本申请实施例可以基于跨模态互注意力机制，通过获取文档多模态增强的统一表示，计算相关性分数以检索获得匹配文档，从而实现了文档多模态信息的充分利用，增强了文档各模态间的相关性，进而提升了文档检索结果的匹配度
基于跨模态互注意力机制多模态文档检索方法装置

[发明专利]基于多模态深度学习分类模型的模态贡献度的计算方法-CN202110563034.1在审
发明人：吴兴隆;徐国平 -专利权人：武汉工程大学
申请日： 2021-05-24 - 公布日： 2021-08-27 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于多模态深度学习分类模型的模态贡献度的计算方法，包括以下步骤：基于多模态深度学习的端到端分类模型，获得该模型在对某个多模态数据样本进行推理过程中的模态特征向量；对具有相同大小的模态特征向量进行权重求和并做归一化处理，从而得到该多模态数据样本的模态贡献度。该单独样本的模态贡献度可以进一步推广到给定的多模态数据集中对全体样本进行权重累加，从而最终获得在给定数据集上的模态贡献度。
基于多模态深度学习分类模型贡献计算方法

[发明专利]一种认知障碍检测模型及其训练方法-CN202110274276.9有效
发明人：陈益强;张宇欣;谷洋;高晨龙 -专利权人：中国科学院计算技术研究所
申请日： 2021-03-15 - 公布日： 2022-08-30 - 主分类号： A61B5/00 文献下载
摘要：本发明提供一种认知障碍检测模型及其训练方法，所述认知障碍检测模型包括多模态信息表征模块、多模态信息融合模块、无监督深度聚类模块。所述多模态信息表征模块包括眼底图像数据表征网络、多模态生理信号数据表征网络。所述多模态信息融合模块与所述多模态信息表征模块相连接，用于将所述眼底图像数据的特征与多模态生理信号的特征进行融合，得到融合后的特征；所述无监督深度聚类模块与所述多模态信息融合模块相连接，用于根据所述融合后的特征基于无监督聚类模型进行认知障碍检测
一种认知障碍检测模型及其训练方法

[发明专利]一种多模态敏感信息鉴别方法、设备及介质-CN202210509975.1在审
发明人：籍焱;王兴;薄满辉;唐红武;王殿胜;王仲候;章凡寿 -专利权人：中航信移动科技有限公司
申请日： 2022-05-11 - 公布日： 2022-07-22 - 主分类号： G06V10/22 文献下载
摘要：本发明提供一种多模态敏感信息鉴别方法、设备及介质，包括：确定多模态信息包含的图像信息对应的ROI；通过多模态模型中的FasterRCNN模型提取每一ROI的视觉元素特征，通过所述多模态模型的图像编码层提取所述图像信息的图像特征，以确定图像信息特征序列；通过所述多模态模型中的BERT模型确定文本信息特征序列；将图像信息特征序列、文本信息特征序列分别嵌入到多模态模型对应的图像模态嵌入向量和文本模态嵌入向量，以确定特征组合序列；通过多模态模型的交互层对所述特征组合序列进行计算，得到鉴别特征集；通过多模态模型的分类层对所述鉴别特征集进行计算，得到所述多模态信息的鉴别结果。本发明能够对图像信息和文本信息不对应的多模态信息进行鉴别。
一种多模态敏感信息鉴别方法设备介质