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：烟台大学
摘要：本发明涉及深度学习的多模态数据分类技术领域，尤其是涉及一种基于最大化编码率降低的多模态分类方法及系统。方法，包括以总体编码率最大化和压缩不同子空间的编码速率构建基于最大化编码率降低损失，优化不同视角的特定特征表示；以最大化特定特征表示与全局特征表示间的互信息为目标构建最大互信息损失；通过将特定特征表示映射到指定数量的类别维度得到每个类别的得分，来构建交叉熵损失；分别基于交叉熵损失、最大化编码率降低损失和最大互信息损失训练多模态分类网络模型。通过空间变换和跨样本融合来对齐和融合这些特定于视图的特征，以实现跨多个视图的一致特征。
主权项：1.一种基于最大化编码率降低的多模态分类方法，其特征在于，包括：获取多模态图像数据；对获取的多模态图像数据进行预处理，得到训练集和测试集；对多模态图像数据进行特征提取，提取不同视角的特征表示；以总体编码率最大化和压缩不同子空间的编码速率构建基于最大化编码率降低损失，优化不同视角的特征表示；以最大化特征表示与全局特征表示间的互信息为目标构建最大互信息损失；通过将特征表示映射到指定数量的类别维度得到每个类别的得分，来构建交叉熵损失；分别基于交叉熵损失、最大化编码率降低损失和最大互信息损失训练多模态分类网络模型；利用多模态分类网络模型进行预测分类，得到预测分类概率。
全文数据：
权利要求：
百度查询： 烟台大学 一种基于最大化编码率降低的多模态分类方法及系统
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