买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利基于表征引导多模态扩散模型的活动识别方法和装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119066475B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411556232.5，技术领域涉及：G06F18/24；该发明授权基于表征引导多模态扩散模型的活动识别方法和装置是由陈岭;陈伟豪设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本基于表征引导多模态扩散模型的活动识别方法和装置在说明书摘要公布了：本发明公开了一种基于表征引导多模态扩散模型的活动识别方法和装置，包括：获取原始多模态活动数据并进行预处理后构建无标签数据集和有标签数据集：采用无标签数据集训练多模态的自监督模型以使其从数据中提取包含复杂模式的多模态表征和包含结构信息的全局表征；在扩散模型中引入多模态表征引导的模态层和全局表征引导的全局层，并采用无标签数据集训练扩散模型以使其生成多模态活动数据；利用有标签数据集和基于有标签数据集通过训练后扩散模型生成的多模态活动数据训练活动识别模型，这样可以解决活动识别模型的过拟合问题，提升活动识别的准确率，在医疗保健、运动监测等领域具有广阔的应用前景。

本发明授权基于表征引导多模态扩散模型的活动识别方法和装置在权利要求书中公布了：1.一种基于表征引导多模态扩散模型的活动识别方法，其特征在于，包括以下步骤： 数据预处理阶段：获取利用可穿戴设备采集的不同用户进行不同活动的原始多模态活动数据并进行预处理后构建无标签数据集和有标签数据集： 自监督模型训练阶段：采用无标签数据集训练多模态的自监督模型以使其从数据中提取包含复杂模式的多模态表征和包含结构信息的全局表征； 扩散模型训练阶段：在扩散模型的去噪网络中引入多模态表征引导的模态层和全局表征引导的全局层，其中，每个模态层和全局层均包括连续的多个下采样模块和多个上采样模块，全局层还包括融合模块，其中，每个模态层中下采样模块和上采样模块数量相等，且在下采样模块和与其对应的上采样模块之间形成跳跃连接；全局层中下采样模块和上采样模块数量同样相等，最后一个下采样模块的输出直接连接对应的上采样模块的输入，剩余下采样模块和与其对应的上采样模块之间形成跳跃连接；并采用无标签数据集训练扩散模型以使其生成多模态活动数据，包括以下步骤： （1）从无标签数据集中选择无标签数据样本，并利用训练后的自监督模型基于无标签数据样本提取多模态表征和全局表征，多模态表征和全局表征沿固定长度取平均值后得到用作引导的多模态表征和全局表征； （2）针对每个时间步，进行以下过程： （2-1）对输入数据进行加噪得到加噪后数据，采用两个编码网络对时间步分别编码得到第一时间步编码和第二时间步编码； （2-2）以加噪后数据作为去噪网络的输入，每个模态层处理一个模态对应的加噪后数据，利用每个模态层中的多个下采样模块，并以第一时间步编码和从多模态表征中提取的每个模态对应的模态表征作为引导条件，从输入的加噪后数据中提取每个模态的模态特征； （2-3）利用全局层的融合模块对所有模态的模态特征进行融合得到融合特征，利用全局层中的多个下采样模块和上采样模块，并以第二时间步编码和全局表征作为引导条件，从输入的融合特征中提取全局特征； （2-4）利用每个模态层中的多个上采样模块，并以第一时间步编码和从多模态表征中提取的每个模态对应的模态表征作为引导条件，从输入的全局特征中提取每个模态的去噪后数据，所有模态的去噪后数据组成生成的多模态活动数据； （3）基于无标签数据样本和生成的多模态活动数据构建重建损失，利用重建损失训练扩散模型来更新扩散模型中去噪网络参数； 活动识别模型训练阶段：利用有标签数据集和基于有标签数据集通过训练后扩散模型生成的多模态活动数据训练活动识别模型，训练后的活动识别模型用于活动识别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。