買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網恭喜中國人民解放軍海軍航空大學申請的專利一種局部信息缺失條件下的船舶目標類型多模態(tài)識別方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN119091226B 。

龍圖騰網通過國家知識產權局官網在2025-04-04發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202411272832.9，技術領域涉及：G06V10/764；該發(fā)明授權一種局部信息缺失條件下的船舶目標類型多模態(tài)識別方法是由徐從安;高龍;吳俊峰;宿南;張琦;蔡卓燃;伍攀峰;李常久;史駿;趙凌業(yè)設計研發(fā)完成，并于2024-09-11向國家知識產權局提交的專利申請。

本一種局部信息缺失條件下的船舶目標類型多模態(tài)識別方法在說明書摘要公布了：本發(fā)明公開了一種局部信息缺失條件下的船舶目標類型多模態(tài)識別方法，屬于數據識別技術領域。本方法通過多模態(tài)類型識別模型進行船舶目標的類型識別；多模態(tài)類型識別模型包括可見光圖像處理分支、紅外圖像處理分支、拼接模塊和圖神經網絡；可見光圖像處理分支和紅外圖像處理分支分別從同一船舶目標的可見光圖像和紅外圖像中提取出對應的局部關鍵特征。本發(fā)明分別從可見光和紅外兩種模態(tài)圖像中提取局部關鍵特征作為圖模型節(jié)點，然后利用圖神經網絡對所提取信息節(jié)點進行融合，有效克服了單一可見光圖像在云霧、雨雪等環(huán)境下信息缺失的問題，提升了分類識別的準確率。

本發(fā)明授權一種局部信息缺失條件下的船舶目標類型多模態(tài)識別方法在權利要求書中公布了：1.一種局部信息缺失條件下的船舶目標類型多模態(tài)識別方法，其特征在于：通過多模態(tài)類型識別模型進行船舶目標的類型識別；所述多模態(tài)類型識別模型包括可見光圖像處理分支、紅外圖像處理分支、拼接模塊和圖神經網絡；可見光圖像處理分支和紅外圖像處理分支分別從同一船舶目標的可見光圖像和紅外圖像中提取出對應的局部關鍵特征，所述拼接模塊用于將兩組局部關鍵特征拼接，并基于拼接結果得到圖數據特征和鄰接矩陣特征，所述圖神經網絡用于根據圖數據特征和鄰接矩陣特征得到識別結果；可見光圖像處理分支和紅外圖像處理分支結構相同，均包括依次連接的多尺度特征學習網絡和自適應關鍵特征學習模塊；所述多尺度特征學習網絡用于從輸入的圖像中提取多尺度特征，自適應關鍵特征學習模塊用于從多尺度特征中學習局部關鍵特征；多尺度特征學習網絡包括用于提取基礎特征的骨干網絡和用于將基礎特征進行融合的特征聚合網絡；所述骨干網絡提取出5層基礎特征、、、和；所述特征聚合網絡為4層，與基礎特征、、和一一對應，所述特征聚合網絡各層對應輸出的、、和即為多尺度特征學習網絡提取的多尺度特征；所述自適應關鍵特征學習模塊包括與特征聚合網絡輸出的、、和一一對應的多層極化自注意力模塊、、、，設特征圖輸入至對應的多層極化自注意力模塊后得到的局部關鍵特性特征圖為，則自適應關鍵特征學習模塊得到的局部關鍵特征為：，其中表示反卷積操作；所述多層極化自注意力模塊包括通道注意力分支和空間注意力分支；通道注意力分支用于提取輸入的特征圖的通道關系，空間注意力分支用來建模輸入的特征圖內部之間的依賴關系；多層極化自注意力模塊輸出的局部關鍵特性特征圖為通道注意力分支的輸出注意力圖和空間注意力分支的輸出注意力圖逐像素相加的結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人中國人民解放軍海軍航空大學，其通訊地址為：264000 山東省煙臺市芝罘區(qū)二馬路188；或者聯(lián)系龍圖騰網官方客服，聯(lián)系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。