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！

龙图腾网获悉西南技术物理研究所申请的专利一种基于多模态知识图谱推理的光电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：CN119963882B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202411957232.6，技术领域涉及：G06V10/764；该发明授权一种基于多模态知识图谱推理的光电目标识别方法是由贾荣华;丛俊凯;唐湘成;蔡雨洋;杜恒;黄正中;石康旺;唐万松;彭嘉品;兰江设计研发完成，并于2024-12-29向国家知识产权局提交的专利申请。

本一种基于多模态知识图谱推理的光电目标识别方法在说明书摘要公布了：本发明提出一种基于多模态知识图谱推理的光电目标识别方法，通过构建光电目标多模态知识图谱，将光电目标之间以关系连接，方便对其相关信息及关联关系获取，将输入信息与多模态知识图谱进行动态链接与推理，光电目标则从链接与推理结果的多个候选实体中选出概率最大的匹配实体，输出匹配实体相关的所有属性信息给后续作战指挥控制、战场态势感知、辅助决策和威胁评估等军事上层应用提供支撑。

本发明授权一种基于多模态知识图谱推理的光电目标识别方法在权利要求书中公布了：1.一种基于多模态知识图谱推理的光电目标识别方法，其特征在于，所述光电目标识别方法包括如下步骤： S1.构建基于光电对抗领域的光电目标多模态知识图谱 光电目标知识数据来源按照结构划分为结构化数据、半结构化数据和非结构化数据三种类型，对不同类型数据进行数据预处理、信息抽取和知识融合，将处理后的实体、关系、属性和经验规则输入到光电目标多模态知识图谱中，构建出基于光电对抗领域的光电目标多模态知识图谱； S2.图像特征向量提取 将从步骤S1构建的光电目标多模态知识图谱中获取的光电目标图像数据大小调整为224*224像素，然后输入CNN基线模型中进行图像特征提取； S3.将文本形式编码成数字向量 当光电目标知识数据的形式为文本数据时，将文本信息根据词典编码成计算机语言能够进行计算的数字编码； S4.数值向量提取 当光电目标知识数据的输入表达为{key:value}键值对的形式时，直接将值value本身作为向量嵌入V＝{v0,v1,..vq-1}，其中V为数值向量，v0,…vq-1为具体的数值； S5.将以上步骤得到的图像特征向量、文本形式对应的数字向量和数值向量分别独立输入Transformer模型中，得到步骤S1构建完毕的光电目标多模态知识图谱分别对应的图像模态、文本模态和数值模态嵌入表示向量XM； S6.将步骤S5获得的不同模态独立嵌入表示向量XM的分解向量K键向量和V值向量进行多模态信息交互； S7.输入不同模态的解码器计算概率预测分布结果 设多模态交互后的图像模态，文本模态，数值模态三种模态输出的特征向量表示为： 通过以下公式得到不同模态的实体概率预测分布结果以及最终的概率预测分布结果： PRO＝1-α-βRPOT+αPROP+βPROV ReLux＝maxx,0 其中，PROT、PROP、PROV、PRO分别为文本模态、图像模态、数值模态和最终的实体概率预测分布结果；α、β为调整三种模态比例的超参数，在模型训练中获取；MLP为多层感知机计算； S8.基于训练完成的多模态知识图谱推理模型进行光电目标识别将步骤S1构建完毕的光电目标多模态知识图谱数据集输入到步骤S2-S7进行Transformer模型训练，得到模型隐藏层参数的具体值，并且按照实际数据集的分布大小设置步骤S7中超参数α，β的值；至此，基于多模态知识图谱的推理模型构建完毕； 将需要进行推理的光电目标数据按照步骤S2-S7进行计算，得到最终的输出候选实体上的概率分布PRO，按照概率大小以降序排列候选实体，输出概率最大的前K名实体作为光电目标识别的实体结果；从多模态知识图谱中查询K名实体获得属性信息，完成光电目标识别工作结束。

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西南技术物理研究所，其通讯地址为：610041 四川省成都市武侯区人民南路四段七号；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。