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！

龙图腾网获悉中国人民解放军海军航空大学申请的专利一种多模态船舶细粒度识别方法及系统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：CN120472251B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510983322.0，技术领域涉及：G06V10/764；该发明授权一种多模态船舶细粒度识别方法及系统是由高龙;徐从安;郑晓梅;李伟明;李湉雨;唐小明;赵静;郝延彪;刘玉超;王晨旭;王飞设计研发完成，并于2025-07-17向国家知识产权局提交的专利申请。

本一种多模态船舶细粒度识别方法及系统在说明书摘要公布了：本申请公开了一种多模态船舶细粒度识别方法及系统，涉及船舶细粒度识别分类技术领域，该方法包括获取目标区域的多模态数据并进行数据扩增预处理，构建训练集和测试集；采用基于物理退化建模的多源特征提取方法进行特征提取，采用基于时空一致性对齐的可判别特征学习的方法进行节点特征更新，采用多模态混合对比损失函数作为损失函数，对型级预测模型进行训练，迭代训练完成后得到训练好的型级预测模型；将各个测试样本更新后的节点特征输入至训练好的型级预测模型，得到最终的型级预测概率。本申请可以提升船舶细粒度识别的准确性。

本发明授权一种多模态船舶细粒度识别方法及系统在权利要求书中公布了：1.一种多模态船舶细粒度识别方法，其特征在于，所述多模态船舶细粒度识别方法包括： 获取目标区域的多模态数据；所述多模态数据包括ISAR图像、红外图像和可见光图像； 对所述多模态数据进行数据扩增预处理，并基于预处理后的多模态数据构建训练集和测试集；所述训练集中每一训练样本均设置有相应的真实型级标签，所述真实型级标签用于表示所述目标区域中船舶的真实型级； 对所述多模态数据进行数据扩增预处理，并基于预处理后的多模态数据构建训练集和测试集，具体包括： 对所述多模态数据进行同步几何变换，得到变换后的多模态数据； 对所述变换后的多模态数据添加基于物理引导的模态专用扰动，得到添加扰动后的多模态数据； 对所述添加扰动后的多模态数据进行随机遮挡增强处理，得到预处理后的多模态数据； 对所述预处理后的多模态数据进行样本划分，构建得到训练集和测试集； 采用基于物理退化建模的多源特征提取方法，分别对所述训练集中各个训练样本和所述测试集中各个测试样本进行特征提取，得到各个训练样本的多源特征图和各个测试样本的多源特征图，具体包括： 采用物理退化模型嵌入的方式，建立大气传输方程； 分别将各个训练样本和各个测试样本代入所述大气传输方程，计算得到各个训练样本的恢复特征和各个测试样本的恢复特征； 采用基于退化参数估计子网的退化因子注意力模块，分别计算各个训练样本的注意力掩膜和各个测试样本的注意力掩膜； 将各个训练样本的恢复特征和注意力掩膜进行逐点相乘，得到各个训练样本的多源特征图；同时将各个测试样本的恢复特征和注意力掩膜进行逐点相乘，得到各个测试样本的多源特征图； 所述大气传输方程的表达式为： ； 其中，表示恢复特征，表示输入特征图，为透射率，为环境光强度； 采用下式计算注意力掩膜： ； 其中，表示注意力掩膜，为激活函数，为权重矩阵，表示特征拼接； 采用基于时空一致性对齐的可判别特征学习的方法，分别对所述各个训练样本的多源特征图和所述各个测试样本的多源特征图进行节点特征更新，得到各个训练样本更新后的节点特征和各个测试样本更新后的节点特征； 将所述各个训练样本更新后的节点特征输入型级预测模型，采用多模态混合对比损失函数作为损失函数，并根据所述型级预测模型输出的型级预测概率与相应的真实型级标签计算损失，基于所述损失优化模型参数，迭代训练完成后得到训练好的型级预测模型； 将所述各个测试样本更新后的节点特征输入至所述训练好的型级预测模型，得到最终的型级预测概率。

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中国人民解放军海军航空大学，其通讯地址为：264001 山东省烟台市芝罘区二马路188号科研学术处；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”。