“多模态超”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1309902个，建议您升级VIP下载更多相关专利

[发明专利]多模态内容处理方法、装置、设备及存储介质-CN202010044247.9在审
发明人：冯知凡;王海峰;任可欣;朱勇;吕雅娟 -专利权人：北京百度网讯科技有限公司
申请日： 2020-01-15 - 公布日： 2020-06-02 - 主分类号： G06F16/36 文献下载
摘要：本申请公开了一种多模态内容处理方法、装置、设备及存储介质，涉及人工智能技术领域。具体实现方案为：接收用户的内容处理请求，该内容处理请求用于请求对待处理的多模态内容进行语义理解，对多模态内容进行解析，得到多模态内容对应的多模知识点，根据多模知识点、预先建立的多模知识图谱和多模态内容，确定多模态内容的语义理解结果，该多模知识图谱包括：多模知识点和多模知识点之间的关联关系。该技术方案可以得到精确的语义理解结果，实现了多模态内容的精确应用，解决了现有技术中存在的多模态内容理解不准确的问题。
多模态内容处理方法装置设备存储介质

[发明专利]一种航空发动机整机动力学模型减缩方法-CN202211739326.7在审
发明人：丁小飞;邵增德;林金波;梁媛媛;冯国全;黄海;王娟 -专利权人：中国航发沈阳发动机研究所;西北工业大学
申请日： 2022-12-31 - 公布日： 2023-05-23 - 主分类号： G06F30/15 文献下载
摘要：包括定义缩减结构的截断主模态数；在整机静子实体模型中选取需要保留的主自由度；缩减整机静子实体模型，形成超单元模型；在相同的边界条件下，分别计算整机静子实体模型以及超单元模型的模态频率；判断整机静子实体模型与超单元模型的模态频率误差是否小于阈值，若是，进入下一步，若否，返回重新定义缩减结构的截断主模态数；将整机动力学模中的三维实体静子单元全部删除，只保留整机转子实体模型，将超单元模型导入到整机动力学模中，替换三维实体静子单元；将整机转子实体模型与超单元模型进行连接，形成新的超单元整机动力学缩减模型。
一种航空发动机整机动力学模型减缩方法

[发明专利]一种基于改进随机森林算法的MRI图像自动分割方法-CN201910596726.9在审
发明人：潘志方;陈高翔;应一凡 -专利权人：温州医科大学
申请日： 2019-07-02 - 公布日： 2019-11-08 - 主分类号： G06T7/11 文献下载
摘要：本发明提供一种基于改进随机森林算法的MRI图像自动分割方法，包括获取多模态MRI图像并预处理；对预处理后的多模态MRI图像进行超像素预分割，并根据预设的特征提取项进行特征提取，得到超像素特征图像；构建第一随机森林分类器并导入超像素特征图像进行训练
分割结果随机森林分类器随机森林算法预处理连接条件特征提取像素特征自动分割第一层多模态图像构建像素改进后续分析结果概率邻域信息层级联结构性预分割省时预设机场省力输出引入

[发明专利]多模态知识图谱的补全方法、装置和电子设备-CN202210158488.5在审
发明人：周景博;许德容;夏源;刘吉;窦德景 -专利权人：北京百度网讯科技有限公司
申请日： 2022-02-21 - 公布日： 2022-05-31 - 主分类号： G06F16/36 文献下载
摘要：本公开提供了多模态知识图谱的补全方法、装置和电子设备，涉及涉及数据处理技术领域，尤其涉及深度学习等技术领域。具体实现方案为：对多模态知识图谱进行特征提取，获取各模态的第一特征向量；对各模态进行两两分组，并对任一组内两个模态的第一特征向量进行语义信息提取和替换，获取任一组两个模态各自的第二特征向量；对每个分组对应的第二特征向量进行融合，获取多模态联合特征向量；基于多模态联合特征向量，对多模态知识图谱进行补全，获取目标多模态知识图谱。本公开实施例中，可以挖掘多模态之间的共同特征，进而通过信息交换减少冗余，跨模态共同学习重要的语义信息，充分利用了多模态信息，提升了知识图谱补全的性能。
多模态知识图谱方法装置电子设备

[发明专利]一种并行超快速EMD信号处理系统-CN202011360640.5在审
发明人：黄锷 -专利权人：江苏爱谛科技研究院有限公司
申请日： 2020-11-27 - 公布日： 2021-04-06 - 主分类号： G10L21/0272 文献下载
摘要：一种并行超快速EMD信号处理系统，其包括信号实时采集模块、信号延拓模块、矩阵并行拆分模块、并行求解模块和信号融合模块；采用并行拆分和并行求解策略，将原始多通道信号时间序列分解为k个本征模态函数，具体步骤包括原始信号采集、实时处理流数据、信号延拓、矩阵并行拆分、矩阵并行求解、IMF判断、信号融合、多通道并行嵌套；本发明在求解上下包络过程中采用矩阵并行拆分和矩阵并行求解的策略，实现超快速并行EMD信号处理，在信号边界处进行了延拓
一种并行快速 emd 信号处理系统

[发明专利]多模态意图识别方法、装置、电子设备和存储介质-CN202211621367.6有效
发明人：张烁;刘芳;陈曦;杨睿;安业腾;张惠民;张妍;赵伟;王晨飞;徐李阳 -专利权人：国家电网有限公司客户服务中心
申请日： 2022-12-16 - 公布日： 2023-04-11 - 主分类号： G06F18/24 文献下载
摘要：本申请提供一种多模态意图识别方法、装置、电子设备和存储介质。涉及人工智能技术领域，所述方法包括：获取待识别数据,所述待识别数据包括至少两种模态的数据，每一模态数据具有不同的数据类型；对所述待识别数据进行编码，得到每一模态数据的表示序列；将所述每一模态数据的表示序列作为节点特征，构建多模态异构图；通过基于注意力机制的全局视图对所述多模态异构图进行编码，得到所述多模态异构图的表示；根据所述多模态异构图的表示进行分类，得到意图识别结果。上述方法可有效地对多模态信息进行融合，采用多模态异构图提升用户交互意图识别准确率，实现自然灵活的人机交互。
多模态意图识别方法装置电子设备存储介质

[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]多模态生物医药数据的表征学习方法及装置-CN202310394248.X在审
发明人：聂再清;杨凯;罗弈桢;张嘉欢;黄婷婷;马维英;张亚勤 -专利权人：清华大学
申请日： 2023-04-13 - 公布日： 2023-07-14 - 主分类号： G06F16/36 文献下载
摘要：本发明提供一种多模态生物医药数据的表征学习方法及装置，其中的方法包括：获取多模态输入数据，多模态输入数据包括生物分子结构数据及其对应的知识图谱数据和文本数据；将多模态输入数据输入至预先训练的多模态生物医药模型，得到融合特征表示；基于融合特征表示，对多种下游预测任务进行预测，其中，多模态生物医药模型包括生物分子结构编码器、图谱编码器、文本编码器以及多模态编码器，通过根据训练样本数据集进行自监督预训练优化得到。该方法利用多模态生物医药模型学习多模态输入数据的表征，使得到的融合特征表示能够应用于多种下游预测任务，实现了多模态生物医药数据的特征融合，同时提高了下游预测任务的预测精度。
多模态生物医药数据表征学习方法装置

[发明专利]多模态知识图谱的实体对齐方法、装置及存储介质-CN202110686557.5有效
发明人：朱佳;黄昌勤;韩中美;李明 -专利权人：浙江师范大学
申请日： 2021-06-21 - 公布日： 2023-07-07 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种多模态知识图谱的实体对齐方法、装置及存储介质。本发明通过获取第一多模态知识图谱和第二多模态知识图谱的数据，从中提取需要对齐的实体；然后处理所述实体的多模态数据，得到所述实体的各模态向量，根据所述各模态向量，进行早期融合以及晚期融合；接着，对早期融合的结果和晚期融合的结果进行结合，得到多模态嵌入向量；最后，根据所述多模态嵌入向量执行实体对齐。通过使用本发明中的方法，能够实现对多模态知识图谱的实体对齐，解决了多模态知识表述之间不一致的问题。本发明可广泛应用于知识图谱技术领域内。
多模态知识图谱实体对齐方法装置存储介质

[发明专利]自监督多模态结构光显微重建方法和系统-CN202211649675.X有效
发明人：李栋;乔畅;陈星晔 -专利权人：中国科学院生物物理研究所
申请日： 2022-12-21 - 公布日： 2023-08-11 - 主分类号： G06T3/40 文献下载
摘要：本申请公开自监督多模态结构光显微重建方法和系统。本申请通过“图像扰动”方式由原始荧光图像产生训练用输入数据集和训练用输入数据集，并以此训练去噪神经网络，在利用训练好的去噪神经网络对超分辨率图像进行去噪处理，能够高效地对由低信噪比的原始荧光图像进行超分辨率重建后的图像进行去噪
监督多模态结构显微重建方法系统

[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