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(wǎng)獲悉杭州字節(jié)方舟科技有限公司申請的專利一種用于生成多模態(tài)圖像數(shù)據(jù)集的方法、設(shè)備及其介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119671868B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510180521.8，技術(shù)領(lǐng)域涉及：G06T5/50；該發(fā)明授權(quán)一種用于生成多模態(tài)圖像數(shù)據(jù)集的方法、設(shè)備及其介質(zhì)是由虞康;卓凌云;王筵村;丁東照;黃濤;梁宇龍設(shè)計研發(fā)完成，并于2025-02-19向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種用于生成多模態(tài)圖像數(shù)據(jù)集的方法、設(shè)備及其介質(zhì)在說明書摘要公布了：本申請公開了一種用于生成多模態(tài)圖像數(shù)據(jù)集的方法、設(shè)備及其介質(zhì)，方法包括基于預(yù)處理的多模態(tài)圖像數(shù)據(jù)確定圖像特征提取策略；分析各模態(tài)圖像數(shù)據(jù)之間的關(guān)聯(lián)性和交互模式，確定每種模態(tài)圖像數(shù)據(jù)對合成圖像的影響權(quán)重；建立各模態(tài)圖像數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，得到模態(tài)關(guān)聯(lián)信息；獲取第一類傳感器模態(tài)的原始圖像數(shù)據(jù)和第二類傳感器模態(tài)的深度圖像數(shù)據(jù)，并輸入圖像特征提取策略，獲得圖像特征融合結(jié)果；獲取第一類傳感器模態(tài)和第二類傳感器模態(tài)之間的同步時間戳和采樣頻率；進行多模態(tài)融合模型的模型優(yōu)化；利用優(yōu)化的多模態(tài)融合模型生成目標圖像數(shù)據(jù)集；本申請解決單一模態(tài)圖像數(shù)據(jù)集難以滿足復(fù)雜環(huán)境下深度學(xué)習(xí)模型的高精度識別需求的問題。

本發(fā)明授權(quán)一種用于生成多模態(tài)圖像數(shù)據(jù)集的方法、設(shè)備及其介質(zhì)在權(quán)利要求書中公布了：1.一種用于生成多模態(tài)圖像數(shù)據(jù)集的方法，其特征在于，包括：收集不同源的多模態(tài)圖像數(shù)據(jù)并進行預(yù)處理；基于預(yù)處理的多模態(tài)圖像數(shù)據(jù)確定圖像特征提取策略；分析各模態(tài)圖像數(shù)據(jù)之間的關(guān)聯(lián)性和交互模式，確定每種模態(tài)圖像數(shù)據(jù)對合成圖像的影響權(quán)重；將不同源的多模態(tài)分成第一類傳感器模態(tài)和第二類傳感器模態(tài)，并建立各模態(tài)圖像數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，得到模態(tài)關(guān)聯(lián)信息；基于模態(tài)關(guān)聯(lián)信息獲取第一類傳感器模態(tài)的原始圖像數(shù)據(jù)和第二類傳感器模態(tài)的深度圖像數(shù)據(jù)，并輸入圖像特征提取策略，獲得圖像特征融合結(jié)果；基于所述第一類傳感器模態(tài)和第二類傳感器模態(tài)之間的同步時間戳和采樣頻率；將所述同步時間戳、采樣頻率和圖像特征融合結(jié)果輸入預(yù)設(shè)的多模態(tài)融合模型中進行模型優(yōu)化；利用優(yōu)化的多模態(tài)融合模型生成目標圖像數(shù)據(jù)集；所述基于預(yù)處理的多模態(tài)圖像數(shù)據(jù)確定圖像特征提取策略，具體包括：基于預(yù)處理的多模態(tài)圖像數(shù)據(jù)，獲取每種模態(tài)圖像數(shù)據(jù)的特性信息，所述特性信息包括模態(tài)類型、分辨率、色彩深度、數(shù)據(jù)量大小；分析每種模態(tài)圖像數(shù)據(jù)在合成圖像中的作用，確定各模態(tài)圖像數(shù)據(jù)的重要性等級；將每種模態(tài)圖像數(shù)據(jù)的圖形信息與重要性等級關(guān)聯(lián)，生成適用于當前組的多模態(tài)圖像數(shù)據(jù)的圖像特征提取策略；所述得到模態(tài)關(guān)聯(lián)信息，具體包括：將所述第一類傳感器模態(tài)和第二類傳感器模態(tài)的數(shù)據(jù)輸入初步的多模態(tài)融合模型中；根據(jù)每種模態(tài)圖像數(shù)據(jù)的特性信息和重要性等級，判斷不同模態(tài)數(shù)據(jù)間的依賴關(guān)系和互補性；基于預(yù)設(shè)合成圖像質(zhì)量標準，選擇并標記關(guān)鍵模態(tài)數(shù)據(jù)；根據(jù)所述關(guān)鍵模態(tài)數(shù)據(jù)以及對應(yīng)的特性信息、所述第一類傳感器模態(tài)和第二類傳感器模態(tài)的時間戳，計算每種模態(tài)圖像數(shù)據(jù)對合成圖像的影響權(quán)重；根據(jù)不同模態(tài)數(shù)據(jù)間的依賴關(guān)系和互補性以及每種模態(tài)圖像數(shù)據(jù)對合成圖像的影響權(quán)重，建立各模態(tài)圖像數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，形成模態(tài)關(guān)聯(lián)信息；所述將所述同步時間戳、采樣頻率和圖像特征融合結(jié)果輸入預(yù)設(shè)的多模態(tài)融合模型中進行模型優(yōu)化，具體包括：根據(jù)確定的影響權(quán)重調(diào)整多模態(tài)融合模型中的參數(shù)設(shè)置，優(yōu)化圖像特征融合過程，得到優(yōu)化的圖像特征融合結(jié)果；將所述同步時間戳、采樣頻率和優(yōu)化的圖像特征融合結(jié)果共同輸入至圖像特征提取策略，生成每種模態(tài)圖像數(shù)據(jù)的第一特征映射信息；利用所述第一特征映射信息，基于每種模態(tài)圖像數(shù)據(jù)的特性信息及其影響權(quán)重，結(jié)合所述同步時間戳和采樣頻率，計算模型優(yōu)化參數(shù)；基于所述模型優(yōu)化參數(shù)，獲得最終的多模態(tài)融合模型。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人杭州字節(jié)方舟科技有限公司，其通訊地址為：311100 浙江省杭州市余杭區(qū)倉前街道鼎創(chuàng)財富中心2幢12層1215；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。