摘要
本发明提供了一种基于单模态监督的双层质量感知的可信多模态融合方法,分别在特征层面和模态层面进行动态建模,根据特征和模态质量动态融合多模态数据,并引入图注意网络和结构引导的特征聚合模块来获得结构保留的全局紧凑特征表示,同时利用基于单模态监督的对比学习算法使无效模态向有效模态对齐。本发明的基于单模态监督的双层质量感知的可信多模态融合方法减少了噪声特征和模态对模型性能的负面影响,实现了更强的特征抽取能力,加强了模态间的关系,提高了模型分类的准确性和决策的可信度。
技术关键词
多模态融合方法
数据
网络
多模态分类器
紧凑特征
动态
噪声特征
生成结构
样本
学习算法
编码
元素
决策
标签
节点
关系
模块
系统为您推荐了相关专利信息
机器学习模型
密度
预测误差
中心化方法
核反应堆
无人机热红外
归一化方法
序列
无人机遥感技术
红外遥感图像
学生成绩预测方法
预训练模型
堆叠结构
学生成绩预测系统
生成输出信号
性能评估系统
数字孪生模型
深度强化学习算法
扩展卡尔曼滤波算法
数据分析模块
模型构建方法
岩石试件
工程地质
岩芯图像
采空区