摘要
本发明提出了基于分步式特征增强网络的多模态数据处理方法及系统,涉及多模态数据处理技术领域,针对的问题是:未充分利用多模态语料库的语义信息,且未充分挖掘跨模态ESC的潜力,多模态数据处理的准确性低。该方法提取第一模态和第二模态数据特征,对其进行自注意力机制特征增强;基于不同模态数据语料库,分别构建第一模态数据和第二模态数据语义概念,并进行多层共现关系挖掘;通过分步式特征增强网络对自注意力机制增强后的特征进行进一步特征增强,并分别融合得到第一模态和第二模态的最终数据特征。本发明提供分步式特征增强网络,通过结合外部语义线索的跨模态增强和内部语义线索的上下文挖掘,有效提升多模态数据处理性能。
技术关键词
模态特征
数据处理方法
语义
关系
跨模态
概念
注意力机制
矩阵
多模态
嵌入特征
多层次
加权无向图
深度卷积网络
深度神经网络
数据处理系统
计算机装置
特征提取模块
系统为您推荐了相关专利信息
混合深度学习模型
浓度识别方法
图像特征向量
多波段
序列
语音识别转化方法
非瞬时性计算机可读存储介质
文本
数据
音频
深度挖掘方法
参数
历史故障数据
设备故障分析
皮尔逊相关系数
三维地质模型
水平井井眼轨迹
叠后地震数据
BP神经网络
箱体
监视方法
节点
标签传播算法
皮尔逊相关系数
紧急告警信号