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！

龙图腾网获悉山东建筑大学申请的专利基于多模态对齐与类别平衡的不良视频分类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：CN119399670B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202411503236.7，技术领域涉及：G06V20/40；该发明授权基于多模态对齐与类别平衡的不良视频分类方法及系统是由刘萌;李家慧;周迪;厉盛华;李达设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本基于多模态对齐与类别平衡的不良视频分类方法及系统在说明书摘要公布了：本发明公开了基于多模态对齐与类别平衡的不良视频分类方法及系统，其将数据集，输入到不良视频分类模型中，对不良视频分类模型进行训练，将不良视频分类模型简称为模型；当模型的总损失函数值不再下降，得到训练后的不良视频分类模型；在训练过程中，模型先对视频提取出视觉混合特征和音频混合特征；模型的总损失函数，包括：第一、第二和第三子损失函数的加权求和结果，其中，第一子损失函数，是指视觉混合特征的高斯分布与音频混合特征的高斯分布二者之间的差异；第二子损失函数，是指视觉混合特征与音频混合特征二者之间的差异；第三子损失函数，用于提升模型决策边界与样本点之间的最小距离，减轻类别不平衡对训练过程的影响。

本发明授权基于多模态对齐与类别平衡的不良视频分类方法及系统在权利要求书中公布了：1.基于多模态对齐与类别平衡的不良视频分类方法，其特征是，包括： 获取数据集，所述数据集为已知视频分类标签的视频； 将数据集，输入到不良视频分类模型中，对不良视频分类模型进行训练，将不良视频分类模型简称为模型；当模型的总损失函数值不再下降，或者，迭代次数达到设定次数时，停止训练，得到训练后的不良视频分类模型；在训练过程中，模型先对视频提取出视觉混合特征和音频混合特征；模型的总损失函数，包括：第一、第二和第三子损失函数的加权求和结果，其中，第一子损失函数，是指视觉混合特征的高斯分布与音频混合特征的高斯分布二者之间的差异；第二子损失函数，是指视觉混合特征与音频混合特征二者之间的差异；第三子损失函数，用于提升模型决策边界与样本点之间的最小距离，减轻类别不平衡对训练过程的影响； 所述模型的总损失函数，包括：第一、第二和第三子损失函数的加权求和结果，所述模型的总损失函数，包括： ； 其中，与为超参系数，以完成对不同损失函数的权重分配，避免单一损失函数主导整个训练，表示第一子损失函数，表示第二子损失函数，表示第三子损失函数； 所述第一子损失函数，是指视觉混合特征的高斯分布与音频混合特征的高斯分布二者之间的差异，包括： 首先，利用两个映射函数和，将视觉混合特征和音频混合特征映射到同一向量空间中，，，，，映射函数和结构均为依次串联的一层线性层与一个ReLU激活函数； 接着，假定存在两个高斯核函数以及，分别从视觉模态的特征表示以及音频模态的特征表示中，统计出视觉模态的高斯分布以及音频模态的高斯分布，其中，高斯核函数以及的具体架构均为依次串联的一层线性层与一个ReLU激活函数，，；，； 最后，为了完成视觉模态分布以及音频模态分布的精准对齐，通过优化与之间的KL散度，来最小化二者之间的差异性； ； 所述第二子损失函数，是指视觉混合特征与音频混合特征二者之间的差异，包括： 首先，学习视觉模态的合成特征以及音频模态的合成特征； 其中，遵循正态分布，映射函数和用于将视觉模态以及音频模态的合成特征从的特征空间映射到的特征空间中，映射函数和的结构为依次串联的一层线性层与一个ReLU激活函数； 之后，求解两两视频之间的视觉模态内特征相似度矩阵以及音频模态内特征相似度矩阵； 其中，为视频之间的余弦相似度矩阵，为音频之间的余弦相似度矩阵，为第个视频与第个视频的视觉模态特征的余弦相似度分数，为第个视频与第个视频的音频特征的余弦相似度分数，分别为个视频与第个视频的视频局部特征，、分别为个音频与第个音频的音频局部特征； 最后，为了完成视频模态与音频模态在特征表示上的精准对齐，通过优化与两个余弦相似度矩阵之间的距离，来最小化二者之间的差距，为当前批次大小下，视频和音频的总数目； ； 将待分类视频，输入到训练后的不良视频分类模型，得到待分类视频的分类结果。

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山东建筑大学，其通讯地址为：250101 山东省济南市历城区临港开发区凤鸣路1000号；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。