龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：浙江大学
摘要：本发明提供了一种SNN多模态目标识别方法、系统、设备及介质，涉及人工智能领域，方法包括：通过特征提取器提取多模态信息中的关键特征；调整不同单模态信息对应的关键特征的时间尺度，将每个时间对齐的单模态关键特征分别与多模态分类器参数通过矩阵乘法模拟前向传播，得到单模态输出以及多模态输出，评估不同单模态输出对目标任务的贡献比例，确定模态调节因子；计算单模态输出以及多模态输出对应的交叉熵损失，并根据模态调节因子以及交叉熵损失动态调整损失函数，确定脉冲神经网络的最终损失，以识别脉冲神经网络的的多模态目标。本发明能够有效解决多模态收敛不平衡以及时间尺度不匹配的问题，显著提升多模态模型在目标识别任务中的整体性能。
主权项：1.一种SNN多模态目标识别方法，其特征在于，包括：通过特征提取器提取多模态信息中的关键特征；所述关键特征包括视觉信息以及听觉信息；所述特征提取器包括视觉特征提取器以及听觉特征提取器；利用卷积时间对齐模块调整不同单模态信息对应的关键特征的时间尺度，确定时间对齐的单模态关键特征；所述卷积时间对齐模块包括视觉卷积时间对齐模块以及听觉卷积时间对齐模块；将每个所述时间对齐的单模态关键特征分别与多模态分类器参数通过矩阵乘法模拟前向传播，得到单模态输出以及多模态输出，并根据所述单模态输出以及所述多模态输出评估不同单模态输出对目标任务的贡献比例，确定模态调节因子；根据所述单模态输出以及所述多模态输出确定单模态输出以及多模态输出对应的交叉熵损失，并根据所述模态调节因子以及所述交叉熵损失动态调整损失函数，确定脉冲神经网络的最终损失，以识别所述脉冲神经网络的的多模态目标；所述最终损失为所述脉冲神经网络的优化目标。
全文数据：
权利要求：
百度查询： 浙江大学 一种SNN多模态目标识别方法、系统、设备及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号