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！

龙图腾网获悉粤港澳大湾区(广东)国创中心申请的专利多模态融合微调训练方法、装置、电子设备以及可读存储介质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：CN119169405B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202410795433.4，技术领域涉及：G06V10/774；该发明授权多模态融合微调训练方法、装置、电子设备以及可读存储介质是由邵军;容汉铿;张晴浩;曾建力;赖官壬设计研发完成，并于2024-06-19向国家知识产权局提交的专利申请。

本多模态融合微调训练方法、装置、电子设备以及可读存储介质在说明书摘要公布了：本发明提供了一种多模态融合微调训练方法、装置、电子设备以及可读存储介质，该方法包括获取起始3D模型的点云模型Pi和若干张多视图；通过自监督学习获取点云模型Pi的特征向量Zi，以及多视图512维度的特征向量hi；对特征向量Zi与特征向量hi进行拼接，得到512维度的融合特征向量fi；通过DHC损失函数进行融合特征向量fi的分层分类微调训练，并通过批次中心相似度学习机制进行融合特征向量fi的度量学习微调训练。融合自监督学习2条特征向量，能兼顾不同输入技术路线的优点，有利于提升模型特征向量的检索精度，通过少量分类数据的微调训练能让模型快速习得基于特定任务预设的分类信息，度量学习机制确保了不同细分类在特征向量空间的距离。

本发明授权多模态融合微调训练方法、装置、电子设备以及可读存储介质在权利要求书中公布了：1.一种多模态融合微调训练方法，其特征在于，包括以下步骤： 获取起始3D模型的点云模型Pi和若干张多视图； 通过自监督学习获取点云模型Pi的特征向量Zi，以及多视图的512维度特征向量hi，包括： 从5000×6点云模型Pi中随机采样2个2048×6点云数据；对2个2048×6点云数据进行随机旋转和或拉伸处理，得到点云模型和点云模型使用DGCNN对点云模型和点云模型进行特征提取，分别得到特征向量与特征向量根据特征向量与特征向量的均值，确定点云模型Pi的特征向量Zi；构建模型分层分类框架，针对每个分类收集若干个三维模型，形成具有分类标签的微调训练数据；使用经MVCNN模型，对所述若干张多视图进行特征提取，得到512维度的特征向量hi； 对所述特征向量Zi与所述特征向量hi进行拼接，得到512维度的融合特征向量fi，包括： 将所述特征向量Zi与所述特征向量hi拼接后，经过一层DropOut层和一层全链接层转换得到512维度的融合特征向量fi； 通过DHC损失函数进行所述融合特征向量fi的分层分类微调训练，并通过批次中心相似度学习机制进行所述融合特征向量fi的度量学习微调训练，包括： 基于所述融合特征向量fi，经过两层全链接层分别得到一级类向量分布C1和二级类向量分布C2；构建三维模型数据二级分类框架，从每个二级类中提取若干个微调训练模型，通过DHC损失函数，基于所述若干个微调训练数据驱使神经网络学习分层分类信息；基于所述一级类向量分布C1和二级类向量分布C2，通过DHC损失函数驱使多模态神经网络学习分层分类信息；基于一级类向量分布C1和二级类向量分布C2，计算同一批次训练数据中模型与其相应类别中心向量ct的距离di，及其它类别模型距离该中心向量ct的最小距离mindj；设置mindj-di2，使得同类模型距离该类中心向量的距离较其它类模型距离该中心向量的距离小于2。

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粤港澳大湾区(广东)国创中心，其通讯地址为：510700 广东省广州市黄埔区开达路101号自编1栋101室；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”。