“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]一种基于多模态超连接脑网络建模的帕金森自动识别方法-CN201810123845.8在审
发明人：李阳;高鑫强;黄杰 -专利权人：北京航空航天大学
申请日： 2018-02-07 - 公布日： 2018-06-29 - 主分类号： G06F17/50 文献下载
摘要：本发明提出了一种基于多模态超连接脑网络建模的帕金森自动识别方法。该方法首先以DTI结构连接作为约束，并将其融合到fMRI脑功能网络构建过程中，构建多模态超连接网络模型；然后，根据超网特性提取点度、边度、合度作为原始特征集合，并使用多任务特征选择方法(semi‑M2TFS与现有单模态超连接网络建模方法相比，本发明所构建多模态超连接网络能更加真实反映大脑功能连接机理，在分类识别的准确度方面表现更加优异，对辅助帕金森临床诊断和自动识别具有重要意义。
帕金森多模态连接网络自动识别建模最优特征子集原始特征脑网络构建集合多核支持向量机模式分类器大脑功能分类识别患者分类结构连接临床诊断任务特征特性提取特征子集网络构建重要意义最大差异准确度单模态脑功能筛选诊断融合表现

[外观设计]用于显示屏幕面板的指挥决策多模态超融合展示图形用户界面-CN202230485949.0有效
发明人：刘国强 -专利权人：浙江锦智人工智能科技有限公司
申请日： 2022-07-28 - 公布日： 2023-08-04 - 主分类号： 14-04 文献下载
摘要：1.本外观设计产品的名称：用于显示屏幕面板的指挥决策多模态超融合展示图形用户界面。2.本外观设计产品的用途：本外观设计产品用于屏幕显示面板实现指挥决策多模态超融合展示的图形用户交互，包括电脑、手机、平板设备中的指挥决策多模态超融合展示应用程序。6.图形用户界面的用途：本外观设计产品的指挥决策多模态超融合展示用户交互界面用于指挥决策多模态超融合展示。主视图为指挥决策多模态超融合展示应用程序的主界面，主视图中包括“案情展示地图”、“案件信息”触发组件、“关联警情”触发组件、“处置预案”触发组件、“合成作战”触发组件、“行动力量”触发组件、“任务概要”
用于显示屏幕面板指挥决策多模态超融合展示图形用户界面

[发明专利]一种适应数据增长的可成长多模态预训练模型-CN202310173196.3在审
发明人：邓鑫驰;梁小丹;赵屾 -专利权人：中山大学·深圳;中山大学
申请日： 2023-02-22 - 公布日： 2023-08-01 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种适应数据增长的可成长多模态预训练模型，构建步骤如下：在初始阶段，利用初始的数据集训练得到一个初始的多模态预训练模型；进入当前阶段，数据集增长后，根据多模态预训练模型的动态成长空间，创建一个超网络，通过模型参数动量继承的方法，将上一阶段的多模态预训练模型的参数继承到超网络，并进行周期训练对整个超网络进行微调；之后对超网络中的子网络进行周期训练：在每次训练时，从超网络中提取子网络进行训练，并将权重与超网络进行共享
一种适应数据增长成长多模态预训练模型

[发明专利]一种频分同发散角多模态OAM超表面-CN202210327139.1在审
发明人：朱士涛;周宁宁;张文超;赵梦然 -专利权人：西安交通大学;中国电子科技集团公司第二十二研究所
申请日： 2022-03-30 - 公布日： 2022-06-28 - 主分类号： H01Q15/00 文献下载
摘要：本发明公开了一种频分同发散角多模态OAM超表面，包括：极窄带空间滤波模块和多模态OAM调制模块；极窄带空间滤波模块由多层具有窄带特性的频率选择结构表面构成，每层频率选择结构表面由窄带响应结构单元构成，用于进行特定空间频率电磁波的选择，实现入射波对多模态OAM调制模块的分区分频电磁波激励信号；多模态OAM调制模块设置在所述的极窄带空间滤波模块表面，多模态OAM调制模块由相位结构表面单元构成，用于接收极窄带空间滤波模块传输的分区分频电磁波激励信号，并将入射到不同区域的电磁波调制为不同模态OAM波束，然后使得不同频率不同模态的OAM波束在特定空间区域内辐射。本发明改善了超表面的整体性能不同模态OAM波束的发散角相同。
一种发散角多模态 oam 表面

[发明专利]一种基于点标注的弱监督多模态细胞图像分割方法-CN202310689783.8在审
发明人：赵志诚;张滨宇 -专利权人：北京邮电大学
申请日： 2023-06-12 - 公布日： 2023-09-12 - 主分类号： G06T7/11 文献下载
摘要：本发明提供了一种基于点标注的弱监督多模态细胞图像分割方法。所述方法包括：针对多个病例，获取并预处理多模态细胞图像；根据细胞图像的颜色特征和点标注的空间特征，绘制四种不同的细胞分割伪标签，包括但不限于维诺图分类伪标签、超像素分类伪标签、超像素回归伪标签以及细胞实例距离回归伪标签等；搭建多模态细胞图像分割网络，提取图像深度特征，并使用五种不同的任务支路训练网络，包括但不限于维诺图分类支路、超像素分类支路、超像素回归支路、细胞实例距离回归支路以及局部温度调节支路等；将待分割细胞图像输入训练好的分割网络中本发明设计的基于点标注的弱监督多模态细胞图像分割方法，大幅降低了人为标注的工作量，并能高质量完成对于多模态细胞图像的细胞分割任务，进而辅助医生进行病情诊断。
一种基于标注监督多模态细胞图像分割方法

[发明专利]一种正交线性偏振多模态涡旋光解复用装置及方法-CN201911117226.9有效
发明人：贺炎亮;景国庆;刘俊敏;杨博;谢智强;陈学钰;陈书青;赵改清;高艳霞;李瑛;范滇元 -专利权人：深圳大学
申请日： 2019-11-15 - 公布日： 2021-03-23 - 主分类号： H04J14/06 文献下载
摘要：本发明公开了一种正交线性偏振多模态涡旋光解复用装置及方法，所述装置包括：用于生成正交线性偏振多模态涡旋光的正交线性偏振涡旋光产生模块；用于对所述正交线性偏振多模态涡旋光实现同时解复用的超构表面器件模块；用于对通过所述超构表面器件模块后的光场分布进行检测的远程像点探测模块。本发明通过能对正交线性偏振的多模态的涡旋光实现同时解调，具有器件体积小、实施过程简单、方便的特点，适用于高速通信系统中需要对正交偏振的混合多重轨道角动量涡旋光实时解调模块。
一种正交线性偏振多模态涡旋光解装置方法

[发明专利]利用超表面实现涡旋波轨道角动量模态谱转换方法-CN202310514790.4在审
发明人：冯强;李龙;何斯彤;涂庆乐;刘海霞;韩家奇 -专利权人：西安电子科技大学
申请日： 2023-05-09 - 公布日： 2023-08-15 - 主分类号： H01Q15/00 文献下载
摘要：本发明公开了一种利用超表面实现涡旋波轨道角动量模态谱转换方法，其实现步骤是：生成超表面的天线单元；计算每个超表面天线单元的补偿相位；计算每个超表面天线单元的调控幅度；确定每个超表面天线单元中金属贴片的开口角度；确定每个超表面天线单元中金属贴片中心轴与x方向坐标轴之间的角度；排列超表面天线单元，得到超表面；涡旋馈源入射涡旋波到超表面。本发明基于不同轨道角动量相互正交的特性，同时对超表面天线单元的透射幅度和透射相位进行独立调控，通过超表面实现了对多模态涡旋波OAM模态谱的转换。本发明具有对OAM模态谱调控功能强，设计自由度大的优点。
利用表面实现涡旋轨道角动量模态谱转换方法

[发明专利]基于模态交互深层超图神经网络的多模态数据表示方法-CN202310284501.6在审
发明人：李明;施建栋;梁吉业;李朝;吴信东 -专利权人：浙江师范大学
申请日： 2023-03-21 - 公布日： 2023-07-14 - 主分类号： G06F18/23 文献下载
摘要：本发明公开了一种基于模态交互深层超图神经网络的多模态数据表示方法，包括：对多个模态提取词向量；利用尺度点积注意力计算词向量间的注意力矩阵，并确定模态的第一特征矩阵；对模态构建超图，计算第一特征矩阵关于聚类中心的第一隶属度以及超边矩阵关于聚类中心的第二隶属度，并构建超图关联矩阵；根据超图关联矩阵、超边权重矩阵、模态隶属度权重矩阵以及模态基于超边的聚合信息，确定模态的第二特征矩阵；计算各模态间的加权余弦相似度以及邻居模态间的变换权重矩阵，并确定模态的第三特征矩阵本发明可以准确获取各模态数据间的关联关系，可广泛应用于模态识别领域。
基于交互深层超图神经网络多模态数据表示方法

[发明专利]一种手指多模态生物特征球形粒化和匹配方法-CN201610551702.8有效
发明人：杨金锋;白改燕;师一华 -专利权人：中国民航大学
申请日： 2016-07-13 - 公布日： 2019-04-12 - 主分类号： G06K9/00 文献下载
摘要：一种手指多模态生物特征球形粒化和匹配方法。其包括对单模态原始指静脉、指纹和指节纹ROI图像利用静态小波变换方法分别进行两层分解；将图像进行尺寸和数值归一化处理；将每一幅单模态低频图像形成一个原子超球粒；利用每一个体的指静脉、指纹和指节纹原子超球粒形成一个融合超球粒；将融合超球粒随机分成训练样本和测试样本；将待匹配超球粒与模板超球粒进行匹配等步骤。本发明能有效地将指纹、指静脉和指静脉进行粒化表示，并根据空间位置关系，有效地将三个模态图像融合起来，形成的融合超球粒包含了三个模态的所有像素特点，并针对超球粒的特点，利用快速的匹配方法进行身份识别，实验结果表明本方法运算速度快
一种手指多模态生物特征球形匹配方法

[发明专利]一种基于双残差超密集网络的多模态医学图像融合方法-CN202010734334.7有效
发明人：王丽芳;王蕊芳;张晋 -专利权人：中北大学
申请日： 2020-07-27 - 公布日： 2023-05-19 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于双残差超密集网络的多模态医学图像融合方法，包括：通过在双残差超密集网络中的第一Conv层卷积和PReLU层激活，提取第一模态医学图像和第二模态医学图像的浅层特征；通过残差学习和超密集连接，提取深层特征；对深层特征依次进行双残差超密集网络中的Concat层通道维度上拼接、最后Conv层卷积、PReLU层激活，获得第一模态医学图像和第二模态医学图像的融合图像。本发明通过将残差密集块与超密集连接结合提出的双残差超密集块不仅将密集连接应用到同一路径的层之间，还运用到跨不同路径的层之间，在提取不同模态图像特征的两个路径间进行信息传递，使得提取到的深层特征更详细丰富
一种基于双残差超密集网络多模态医学图像融合方法

[发明专利]一种基于泛函映射的多模态图像分割方法-CN201510040592.4有效
发明人：李平;李黎;李建军;俞俊 -专利权人：杭州电子科技大学
申请日： 2015-01-27 - 公布日： 2017-06-27 - 主分类号： G06T7/11 文献下载
摘要：本发明涉及基于泛函映射的多模态图像分割方法。本发明对包含目标的图像集合做如下操作1）将图像分割成超像素块，并用不同的特征描述子表征，获得多模态图像表示；2）在多模态图像上建立超像素图，构建相应的拉普拉斯矩阵；3）表征每幅图像的约减泛函空间，建立图像对之间的泛函映射；4）将每种模态的图像泛函映射与图像线索对齐，引入隐函数保持泛函映射之间的一致性；5）依据多模态映射一致性获得泛函映射表达，通过联合优化目标函数计算图像对应的分割函数，得到图像的最优分割表示。本发明能够利用图像不同模态的特征表示以及图像之间共有的目标潜在关联，准确判定图像的各目标区域块，增强了图像分割的性能和效果。
一种基于映射多模态图像分割方法

[发明专利]一种基于自适应量化多模态哈希检索方法及系统-CN201911229793.3有效
发明人：朱磊;郑超群;石丹;崔慧 -专利权人：山东师范大学
申请日： 2019-12-04 - 公布日： 2020-09-25 - 主分类号： G06F16/43 文献下载
摘要：本公开提供了一种基于自适应量化多模态哈希检索方法及系统，通过将异构模态转换为具有投影一致性的多模态因子，来探索不同模态之间的关系；通过利用具有代表性的原型近似多模态因子，将同构潜在特征转换为紧凑的哈希码，提出了一种新的多模态自适应权重方案；根据不同的查询内容自动计算适当的模态组合权值，可以建立不同模态之间的相关性，但不需要额外的超参数。在无监督自适应量化多模态哈希方法的基础上，将其扩展到监督学习模式，利用样本间语义标签来指导投影学习过程，提高了哈希码的识别能力，速度快，操作简单，保证了学习效率。
一种基于自适应量化多模态哈希检索方法系统

[发明专利]一种超像素级别的室内场景语义标注方法-CN201910269599.1有效
发明人：王立春;陆建霖;王少帆;孔德慧;李敬华 -专利权人：北京工业大学
申请日： 2019-04-04 - 公布日： 2021-03-02 - 主分类号： G06K9/00 文献下载
摘要：公开一种超像素级别的室内场景语义标注方法，其能够避免深度网络应用于像素级室内场景标注计算成本巨大的问题，而且能够使深度网络接受超像素集合作为输入。这种超像素级别的室内场景语义标注方法，包括以下步骤：(1)使用简单线性迭代聚类分割算法对室内场景彩色图像进行超像素分割；(2)结合室内场景深度图像对步骤(1)获得的超像素，提取超像素核描述子特征(初级特征)；(3)构建超像素的邻域；(4)构建超像素深度网络SuperPixelNet，学习超像素多模态特征；对待标注超像素，结合该超像素及其邻域超像素的多模态特征，对室内场景RGB‑D图像给出超像素级语义标注
一种像素级别室内场景语义标注方法

[发明专利]高拉普拉斯正则化低秩表示的多模态数据分析方法及系统-CN201810974669.9有效
发明人：董爱美;赵桂新;高茜 -专利权人：齐鲁工业大学
申请日： 2018-08-24 - 公布日： 2022-05-31 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了一种高拉普拉斯正则化低秩表示的多模态数据分析方法及系统，属于多模态数据分析领域，要解决的技术问题为如何捕获多模态数据的全局线性结构以及非线性几何结构；其方法包括：对多模态数据进行数据处理，得到多个数据矩阵；将低秩表示和拉普拉斯正则化项相结合构建非负稀疏超拉普拉斯正则化低秩表示模型，通过非负稀疏超拉普拉斯正则化低秩表示模型对每个数据矩阵进行学习，得到高拉普拉斯低秩子空间；以高拉普拉斯低秩子空间和支持向量机为基础进行学习该方法可捕获多模态数据的全局线性结构及非线性几何结构。
拉普拉斯正则化低秩表示多模态数据分析方法系统

[发明专利]基于多核学习与超像素核低秩表示的脑肿瘤图像分割方法-CN202110218072.3有效
发明人：葛婷;牟善祥;詹天明 -专利权人：南京理工大学
申请日： 2021-02-26 - 公布日： 2022-12-06 - 主分类号： G06T7/11 文献下载
摘要：本发明提出了一种基于多核学习与超像素核低秩表示的脑肿瘤区域图像分割方法，选取训练数据集并标注相应的标签；对多模态脑肿瘤核磁共振测试图像进行预处理，并进行多模态融合；对T1‑C模态的图像进行熵率分割，获得融合图像的超像素分割；基于所获超像素构造超像素核；基于所获超像素核和训练数据集及相应的标签，通过多核学习算法获得最优超像素核；对高维核特征空间进行核低秩表示建模，并基于所获最优超像素核求解模型，获得测试图像的表示系数矩阵；
基于多核学习像素核低秩表示肿瘤图像分割方法