摘要
本发明提供了一种基于互信息约束和对抗学习的缺失模态数据处理方法,属于人工智能技术领域。该方法首先收集全模态数据和对应的缺失模态数据;然后对收集到的全模态数据和对应的缺失模态数据进行预处理操作来提高全模态数据和对应的缺失模态数据的质量;其次获得预处理好的全模态数据和对应的缺失模态数据后,构建基于跨模态互信息和对抗学习的缺失模态处理模型,同时构建缺失模态处理模型的损失函数来约束缺失模态处理模型;不断训练并优化缺失模态处理模型,得到训练完成的缺失模态处理模型;最后将实际任务面对的带有缺失模态的数据,输入至训练好的缺失模态处理模型,得到分割图。
技术关键词
跨模态
编码器
数据处理方法
上采样
通道注意力机制
损失函数优化
解码器
模块
全局平均池化
多层次
非线性
矩阵
人工智能技术
多层感知机
像素点
数值