“弱模态”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69524个，建议您升级VIP下载更多相关专利

[发明专利]海洋结构弱模态识别与时域重构方法-CN201610008408.2有效
发明人：李华军;刘福顺;刘程程;卢洪超;杨琪;曹锦超;侯法垒;金磊;陈杰峰 -专利权人：中国海洋大学
申请日： 2016-01-07 - 公布日： 2019-10-01 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种海洋结构弱模态识别与时域重构方法，特别是针对海洋结构测试信号中包含高水平噪声时海洋结构弱模态识别问题，包括：S1、获取海洋结构实测信号；S2、将实测信号非谐波分解；S3、弱模态极值分离与识别；S4、弱模态时域信号重构。本发明克服了传统模态识别方法难于提取淹没于高水平噪声中弱模态的难题，从极值‑留数均为复数角度出发，构建实测信号时间序列形式，使时域信号重构更准确，为海洋结构弱模态提取和时域重构提供了一种新方法，工程应用前景广阔
海洋结构弱模态识别时域方法

[发明专利]基于心率变异率的心肌缺血早筛方法、系统及存储介质-CN202210545604.9在审
发明人：李丹彤;彭晓婷;梁会营 -专利权人：广东省人民医院
申请日： 2022-05-19 - 公布日： 2022-09-20 - 主分类号： A61B5/02 文献下载
摘要：本发明公开了一种基于心率变异率的心肌缺血早筛方法、系统及存储介质，方法包括：获取强模态特征数据和弱模态特征数据；对强模态特征数据进行强模态特征提取，构建强模态预训练模型；对弱模态特征数据进行预处理和特征筛选，构建弱模态诊断模型；通过强模态复用辅助弱模态进行特征挖掘；通过敲除策略，剥离强模态预训练模型的连接以及强模态特征数据的依赖，构建心肌缺血预警模型；通过心肌缺血预警模型进行心肌缺血早筛预警。本发明采用患者心肌灌注PET/CT数据作为强模态数据辅助弱模态数据心电特征、心理评估量表特征、基础信息特征挖掘并通过后期强模态特征敲除，构建仅依托患者日常可获得数据的心肌缺血预警模型，可广泛应用于医疗检测技术领域
基于心率变异心肌缺血方法系统存储介质

[发明专利]知识标签的识别、电网场景问答方法、装置、设备及介质-CN202211216902.X在审
发明人：梁志明;张小晶;林荣荣;支天波 -专利权人：贵州小爱机器人科技有限公司;上海智臻智能网络科技股份有限公司
申请日： 2022-09-30 - 公布日： 2022-12-23 - 主分类号： G06F16/332 文献下载
摘要：知识标签的识别方法包括：将目标图像输入至预先训练的标签识别模型中，标签识别模型包括标准弱模态特征网络和标准标签网络；通过标准弱模态特征网络提取目标图像中的目标弱模态特征，并将目标弱模态特征输出至标准标签网络；通过标准标签网络根据目标弱模态特征，生成对目标图像的知识标签识别结果；其中，标签识别模型使用各样本图像中预先标注的样本强模态特征和知识标签信息共同训练得到。通过采用上述技术方案，能够利用图像中的弱模态特征，精准输出图像的知识标签识别结果。
知识标签识别电网场景问答方法装置设备介质

[发明专利]一种多模态预训练模型的训练方法和装置-CN202211204122.3在审
发明人：刘洋;陈驰;李鹏;孙茂松 -专利权人：清华大学
申请日： 2022-09-29 - 公布日： 2022-12-27 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种多模态预训练模型的训练方法和装置，构建包含多模态图文信息处理网络的多模态预训练模型；构建弱对齐图像‑文本数据集；其中，弱对齐图像‑文本数据集包含文本数据集、图像‑标签数据集和图像‑指代描述数据集；利用弱对齐图像‑文本数据集训练多模态预训练模型。本发明多模态图文信息处理网络可以直接处理多模态图文信息，无需外部模型辅助提取图像特征，推理能力强。同时，采用弱对齐图像‑文本数据集来训练多模态预训练模型，减轻对人工标注的图像‑文本对齐数据的依赖，避免使用对齐的大规模图像‑文本数据集来训练多模态预训练模型出现的数据开销大的问题。
一种多模态预训练模型方法装置

[发明专利]一种基于弱监督多模态深度学习的微博情感预测方法-CN201711493988.X在审
发明人：纪荣嵘;陈福海 -专利权人：厦门大学
申请日： 2017-12-31 - 公布日： 2018-06-01 - 主分类号： G06Q10/04 文献下载
摘要：一种基于弱监督多模态深度学习的微博情感预测方法，涉及多模态情感分析领域。包括以下步骤：微博多模态数据预处理；多模态深度学习模型的弱监督训练；多模态深度学习模型的微博情感预测。解决了在微博多通道内容上的情感预测中存在的多模态判别表示和数据标签受限等问题，实现最终多模态的情感类别预测，实验评价标准为准确度，反映了预测的微博情感极性类别与事先标注的情感类别之间的一致程度。在性能上有较大的提升，考虑到多模态之间的关联性，因此在整体的多模态性能上取得最优的效果。在不同情感类别上都取得较为理想的分类效果。经过弱监督训练，使得文本和图像模态的初始模型在情感分类上效果有明显的提升。
多模态微博预测情感类别监督预处理学习多模态数据初始模型分类效果情感分类情感分析情感极性实验评价数据标签图像模态准确度多通道关联性受限标注文本

[发明专利]多模态信息融合的视频暴力行为检测方法、系统及设备-CN202310783052.X在审
发明人：刘洋;张学鹏;勾鹏;聂维;王坤鑫;欧阳宁雷;赵博;王思瑜;周天宇;王峰;王朋 -专利权人：南湖实验室
申请日： 2023-06-29 - 公布日： 2023-10-13 - 主分类号： G06V20/40 文献下载
摘要：本发明提供了一种多模态信息融合的视频暴力行为检测方法、系统及设备，涉及计算机视觉领域。该方法包括：获取不同来源以及不同角度的视频对视频进行划分，生成视频片段；采用弱监督标记方式，将存在暴力行为的视频片段标记为暴力视频，制作弱标签；将待检测视频输入至根据具有弱标签的视频片段训练弱监督视频暴力行为检测模型得到的暴力行为检测模型中，识别待检测视频中的暴力行为；弱监督视频暴力行为检测模型包括结合图卷积、多尺度机制以及图LSTM结构的三分支多模态信息优化器；三分支多模态信息优化器提取所述视频片段中的RGB特征、光流特征以及音频特征。本发明能够降低样本采集难度以及采集成本，实现多模态信息融合。
多模态信息融合视频暴力行为检测方法系统设备

[发明专利]弱监督音视频内容解析的双路层次化混合模型的训练方法-CN202210729782.7在审
发明人：徐行;蒋寻;陈智国;沈复民;宋井宽;申恒涛 -专利权人：电子科技大学
申请日： 2022-06-24 - 公布日： 2022-09-30 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种弱监督音视频内容解析的双路层次化混合模型的训练方法，所述弱监督音视频内容解析的双路层次化混合模型结构包括混合注意力网络、层次化上下文建模网络及模态引导网络，该训练方法首先使用混合注意力网络进行模态特异化标签精炼得到不完全准确的音频标注和视频标注；然后利用得到的不完全准确的音频标注和视频标注，协同训练模态引导网络和层次化上下文建模网络；通过上述训练方法，可以得到具有较强模态分辨能力的上下文层次化建模网络，较好地对音视频进行内容解析；模态引导网络强化了模态区分能力；本发明采用的双路层次化混合模型来解决弱监督音视频内容解析任务，进一步提高了模型对不同模态的适应和理解能力。
监督视频内容解析层次混合模型训练方法

[发明专利]基于注意力的多交互网络的多模态图像分类系统及方法-CN202210536123.1有效
发明人：袭肖明;杨霄;刘新锋;聂秀山;张光;尹义龙 -专利权人：山东建筑大学
申请日： 2022-05-18 - 公布日： 2022-08-19 - 主分类号： G06V10/764 文献下载
摘要：本发明属于图像处理技术领域，提供了基于注意力的多交互网络的多模态图像分类系统及方法，本发明利用U‑net网络结构，将低级视觉特征与高级语义特征进行融合。引入注意力网络来解决特征区分性弱的问题，并对区分性特征赋予较高的注意力，使得起其在最后分类过程中起重要的作用。引入充分的多模态交互机制，使多个模态之间获得更有效的相关性信息以及判别性信息，完成多个模态之间的充分交互，解决了多模态图像分类任务中特征区分性弱以及模态间交互不充分的问题。
基于注意力交互网络多模态图像分类系统方法

[发明专利]一种基于自适应调频模态分解的时变结构弱模态识别方法-CN202211066023.3在审
发明人：姚小俊;吕玉春;王东升 -专利权人：河北工业大学
申请日： 2022-08-31 - 公布日： 2022-12-20 - 主分类号： G06K9/00 文献下载
摘要：本发明属于土木工程结构健康监测数据分析技术领域，涉及一种基于自适应调频模态分解的时变结构弱模态识别方法。首先，通过对采集到的时变加速度响应进行分段，采用welch功率谱求得各时间段响应数据的功率，获得时变信号的时频分布；随后通过寻找时频能量极值进行脊线提取，定位能量最大阶模态的初始中心频率，接着采用自适应调频模态分解提取此阶高能量模态，再将提取结果从原信号中减去，并将得到的残差信号作为原信号继续用于频率定位与模态抽取；最后对模态分量进行分段并采用主成分分析实现时变振型的识别。本发明采用自适应调频模态分解初步抽取强模态，即便在信号中存在弱模态的情况下也能完成时变结果模态参数的识别。
一种基于自适应调频分解结构弱模态识别方法

[发明专利]一种模态合成与增强的弱监督医学图像融合方法-CN202210951127.6在审
发明人：王丽芳;刘阳;米嘉;张炯 -专利权人：中北大学
申请日： 2022-08-09 - 公布日： 2022-11-22 - 主分类号： G06T7/00 文献下载
摘要：本发明属于图像融合技术领域，具体涉及一种模态合成与增强的弱监督医学图像融合方法。针对多模态图像融合需要患者多次成像造成的对人体伤害和花费大、图像融合需配准大量成对数据集，时间长、难度大以及融合图像纹理及精细结构不够清晰的问题，本发明提出了基于CycleGAN与OctopusNet的模态合成与增强的弱监督医学图像融合方法，该方法由模态合成、图像增强与图像融合三部分组成。
一种合成增强监督医学图像融合方法

[发明专利]一种基于元学习的无监督跨模态哈希检索方法-CN202010478822.6在审
发明人：庄瑜;赖韩江 -专利权人：中山大学
申请日： 2020-05-29 - 公布日： 2020-10-09 - 主分类号： G06F16/9535 文献下载
摘要：本发明提供一种基于元学习的无监督跨模态哈希检索方法，该方法使用预训练好的ResNet模型和Bert模型提取辅助图像集、辅助文本集和目标跨模态数据集的高维实数特征，输入到哈希模型中，之后对辅助图像集和文本集进行聚类，再利用元学习训练方法(MAML)，在辅助数据集的帮助下对目标跨模态数据集进行训练，更新哈希模型。由于聚类，得到辅助数据集的弱监督标签，再通过这些弱监督信息，指导目标跨模态数据集的梯度更新方向，使检索准确率得到提高。
一种基于学习监督跨模态哈希检索方法

[发明专利]一种知识图谱嵌入注意力机制的弱标注哈希图像检索架构-CN202210827738.X在审
发明人：赵万青;安刚;彭进业;张晓丹;杨文静;胡琦瑶 -专利权人：西北大学
申请日： 2022-07-13 - 公布日： 2022-11-11 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了一种知识图谱嵌入注意力机制的弱标注哈希图像检索的架构，通该架构将特征学习、哈希学习、知识图谱嵌入、跨模态特征融合集成到了一个端到端的图像检索架构当中，包括图像视觉特征提取网络、文本特征提取模型、将图像特征与文本特征执行交叉关注的解码器、嵌入自注意力层的噪声遮罩矩阵、生成紧凑语义的哈希层、单模态视觉模型和用于将多模态模型性的能迁移至单模态模型的知识蒸馏机制。该架构对弱标注环境下的图像检索性能具有一定的提升。
一种知识图谱嵌入注意力机制标注希图检索架构

[发明专利]基于压缩感知的弱信号提取算法-CN201810028520.1有效
发明人：孙苗苗;王建海;王继斌;王春田;付大志;徐钰;赵金良;赵忠;李秀芝;刘世海;张玉丽 -专利权人：中国石油化工集团有限公司;中石化石油工程技术服务有限公司;中石化石油工程地球物理有限公司;中石化石油工程地球物理有限公司胜利分公司
申请日： 2018-01-11 - 公布日： 2020-09-08 - 主分类号： G01V1/36 文献下载
摘要：本发明提供一种基于压缩感知的弱信号提取算法，该基于压缩感知的弱信号提取算法包括：步骤1，输入含噪地震数据dobs，测量矩阵Ф，字典基矩阵Ψ；步骤2，集合经验模态分解，即CEEMD分解，将dobs分解为K个固定模态函数IMF分量；步骤3，进行IMF分量自相关分析；步骤4，分别对IMFk弱信号提取算法通过互补的方式解决弱信号提取中存在的问题，去噪后剖面信噪比较高，高频信息得到了有效压制，中低频的噪音与弱有效信号也得到了有效分离。
基于压缩感知信号提取算法

[发明专利]一种弱耦合谐振式传感器的线性化输出检测方法-CN201810356917.3有效
发明人：常洪龙;张和民;钟纪明;杨晶 -专利权人：西北工业大学
申请日： 2018-04-20 - 公布日： 2020-02-14 - 主分类号： G01P21/00 文献下载
摘要：本发明涉及一种基于模态局部化的弱耦合谐振式传感器的线性化输出检测方法，属于微机电系统(MEMS)领域。该方法具体操作时包括如下步骤：步骤一：判断双谐振器为同相驱动或反相驱动状态，如为同相驱动，则选取一阶模态作为工作模态，如为反相驱动，则选取二阶模态作为工作模态；步骤二：检测两谐振器的振幅差(|X
谐振式传感器弱耦合线性化振幅差反相驱动工作模态输出检测同相驱动局部化双谐振谐振器模态输出线性化微机电系统二阶模态驱动条件一阶模态输出分离点检测量振幅比传感器检测

[发明专利]一种基于多模态遥感图像细粒度弱特征目标涌现检测方法-CN202110280408.9在审
发明人：张弘;李旭亮;李亚伟 -专利权人：苏州海宸威视智能科技有限公司
申请日： 2021-03-16 - 公布日： 2021-07-13 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多模态遥感图像细粒度弱特征目标涌现检测方法。先将标注好的多模态遥感检测数据集划分为训练集和测试集，进行预处理；然后利用加入了三维卷积模块的深度卷积神经网络实现对多模态数据的通道优选及高级语义信息提取，构建特征金字塔；接着利用原始标注信息构建语义真值图以及语义引导模块这种检测方法采用的网络结构设计合理，针对多模态遥感数据中的弱特征目标的检测效果良好且算法能够满足对多模态数据进行实时处理的需求。
一种基于多模态遥感图像细粒度特征目标涌现检测方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 69524 条