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！

龙图腾网获悉嵩山实验室;西南科技大学申请的专利一种基于对比学习的多模态融合目标识别方法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：CN116912590B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310938402.5，技术领域涉及：G06V10/764；该发明授权一种基于对比学习的多模态融合目标识别方法是由任珍文;郭倩文;尤晓健;戴健;孙元;李杏峰设计研发完成，并于2023-07-27向国家知识产权局提交的专利申请。

本一种基于对比学习的多模态融合目标识别方法在说明书摘要公布了：本发明公开了一种基于对比学习的多模态融合目标识别方法，包括以下步骤：得到多模态数据；将多模态数据通过深度自编‑解码网络，提取多模态数据的共识性低维嵌入表示与差异性低维嵌入表示，并将共识性低维嵌入表示与差异性低维嵌入表示，通过哈希表征模块生成模态共识性关系图与模态差异性关系图；得到多模态数据的紧致哈希共识性模态数据与紧致哈希差异性模态数据；构建多模态数据的目标分类识别网络；将多模态数据的紧致哈希共识性模态数据与紧致哈希差异性模态数据输入至多模态数据的目标分类识别网络，得到目标识别结果。本发明解决了目标识别大部分仅能处理单模态数据，不能利用多模态信息以及计算复杂，时效性差和识别精度不高的问题。

本发明授权一种基于对比学习的多模态融合目标识别方法在权利要求书中公布了：1.一种基于对比学习的多模态融合目标识别方法，其特征在于，包括以下步骤： S1、构造多源数据与多视图数据，得到具有个模态的多模态数据； S2、将多模态数据通过深度自编-解码网络，提取多模态数据的共识性低维嵌入表示与差异性低维嵌入表示，并将共识性低维嵌入表示与差异性低维嵌入表示，通过哈希表征模块生成模态共识性关系图与模态差异性关系图； S3、将模态共识性关系图与模态差异性关系图，通过哈希表征模块映射到标签空间中，得到多模态数据的紧致哈希共识性模态数据与紧致哈希差异性模态数据； S4、构建多模态数据的目标分类识别网络，其中，多模态数据的目标分类识别网络包括多模态重建网络、对比学习模块以及分类学习模块； S5、将多模态数据的紧致哈希共识性模态数据与紧致哈希差异性模态数据输入至多模态数据的目标分类识别网络，得到目标识别结果； 所述步骤S2中深度自编-解码网络的目标函数为： 其中，表示深度自编-解码网络的目标函数，表示第个模态数据，表示第个模态数据重建后的差异性模态数据，表示第个模态数据重建后的共识性模态数据，与均表示平衡参数，表示第个模态数据对应的自编-解码网络的差异性表征，表示第个模态数据对应的自编-解码网络的差异性关系图，表示第个模态数据对应的自编-解码网络的共识性表征，表示模态共识性关系图，表示弗罗贝尼乌斯Frobenius范数，表示多模态数据的模态总数； 所述步骤S2中哈希表征模块的目标函数为： 其中，表示哈希表征模块的目标函数，表示所有样本的标签信息，表示第个模态数据对应的哈希投影矩阵，表示第个模态数据对应的自编-解码网络的差异性关系图，表示模态共识性关系图对应的哈希投影矩阵，表示模态共识性关系图，表示多模态数据的紧致差异性哈希码，表示多模态数据的紧致共识性哈希码，表示弗罗贝尼乌斯Frobenius范数，表示多模态数据的模态总数。

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嵩山实验室;西南科技大学，其通讯地址为：452470 河南省郑州市郑东新区龙子湖自然资源大厦C栋；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”。

以上内容由龙图腾AI智能生成。