摘要
本发明公开了一种跨域多模态数据自动关联映射与融合识别方法,包括:S1:初始化两个编码器网络和两个解码器网络;S2:构建跨域多模态数据集,并从数据集中随机采样一批次样本;S3:通过编码器网络提取所有样本在潜空间中的表示;S4:通过对比学习损失函数计算潜空间中的表示的损失函数;S5:将潜空间中的表示拼接,并分别使用两个解码器网络进行解码;S6:通过解码后的样本与输入样本,计算重构损失函数;S7:将重构的损失函数求和后反向传播,更新网络参数,直至模型收敛;S8:将跨域多模态数据输入到训练好的模型中,得到输出结果。本发明保持了模态的原有信息,提高了模型识别的准确性。
技术关键词
融合识别方法
样本
更新网络参数
数据
编码器
解码器
支持向量机模型
重构
网络节点
训练集
算法
关系
系统为您推荐了相关专利信息
数据集成方法
数据传输策略
网络状态信息
监测无线网络
远程医疗中心
多通道深度学习模型
传感器融合
特征识别方法
控制决策系统
多传感器阵列
智能猪舍
预警系统
硫化氢传感器
二氧化碳传感器
氨气传感器
人工智能模型训练
控制系统
数据传输模块
设备集中控制方法
发电厂监测技术
三维点云配准方法
法向角度
动态权重优化
评分机制
邻域