龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：东北电力大学
摘要：本发明公开了一种基于低秩因子分解的多模态特征学习效率优化方法，涉及多模态特征学习效率优化技术领域。本发明包括以下步骤：接收获取多种类型的输入数据，将采集到的输入数据分为三种不同的模态；建立骨干网络采用分层知识集成的方法对多模态语义进行关联学习。本发明采用基于多模态特征语义的知识集成法对多模态数据进行关联学习。采用自注意力知识库和多个知识模块集成的方式进行知识对齐。共享的自注意力模块可以有效学习不同模态的知识对齐，并对不同模态信息深度融合编码，使其能够更好地应用在多模态行为识别任务上，提高多模态特征的学习效率。
主权项：1.一种基于低秩因子分解的多模态特征学习效率优化方法，其特征在于，包括以下步骤：Step1：接收获取多种类型的输入数据，将采集到的输入数据分为三种不同的模态；Step2：建立骨干网络采用分层知识集成的方法对多模态语义进行关联学习；Step3：采用近似张量融合方法来构建所有单个模态、双模态以及三模态之间的交互关系，使用更少的骨干网络来得到多模态知识表示；Step4：获取得到的模态并根据模态的类型采用对应的算法生成对应模态数据的上下文向量；Step5：设置一个低秩因子分解模块，对得到的上下文向量进行分解，分解后的上下文向量融合成多模态融合表达式；Step6：多模态融合表达式经过一个1D的时间卷积层，得到模态融合序列的局部信息；Step7：采用融合跨模态信息的Transformer操作，基于跨模注意力模块，使一个模态从另外一个模态接收信息。
全文数据：
权利要求：
百度查询： 东北电力大学 一种基于低秩因子分解的多模态特征学习效率优化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号