摘要
本发明公开了一种基于模态解耦与生成的缺失多模态船舶分类方法,首先建立分类模型,分类模型包括特征提取网络和注意力特征学习网络,还包括模态特征解耦网络、特征生成网络、类型特征消除网络和特征融合网络。某一模态缺失时,本发明可以先用缺失模态的任意图像进行替代,通过特征解耦网络获得模态相关特征,再从另一已有模态的图像中获取类型相关特征,然后通过特征生成网络和特征融合网络获得缺失模态的重建之图像,用重建之图像替代缺失模态的图像,从而解决模态缺失的问题。
技术关键词
特征提取网络
特征学习网络
可见光图像
特征融合网络
船舶分类方法
预测特征
注意力
生成特征
模态特征
分类特征
多模态
标签
建立分类模型
多层感知机
数据
通道
参数
系统为您推荐了相关专利信息
路面交通标线
双向注意力
多尺度特征
输出特征
特征提取网络
YOLO模型
滑坡检测方法
地形遥感数据
检测头
分支
智能筛选方法
多模态数据融合
决策
可见光图像
因子
特征提取网络
密度
特征金字塔网络
图像识别方法
金字塔池化模块
视觉检测方法
面阵相机
门锁
激光结构光
线激光器