摘要
本发明公开了一种基于对比学习的多模态图像融合识别方法,属于人工智能与机器学习技术领域,其包括获取第一模态图像和第二模态图像;通过预设的第一、二特征提取网络处理所述第一、二模态图像,生成第一、二特征图,同时生成具有各特征点间关联强度的跨模态关系图,确定包含特征点组合的正样本对和负样本对;利用对比学习目标调整网络的参数,使得所述正样本对中的特征点距离减小,所述负样本对中的特征点距离增大;基于所述跨模态关系图,对所述第一、二特征图进行加权融合,生成融合特征图并输入预设的识别网络,得到识别结果。本发明采用动态跨模态关系图引导的对比学习与特征加权融合机制,能够实现端到端的自适应特征对齐,提升复杂场景下的识别精度。
技术关键词
图像融合识别方法
特征提取网络
特征点
融合特征
跨模态
多尺度卷积核
样本
关系
特征值
参数
特征加权融合
语义特征
强度
机器学习技术
多层次
图像获取模块
特征提取模块
动态
系统为您推荐了相关专利信息
视觉语音识别方法
视觉特征
交叉注意力机制
面部
视频
工艺调控方法
粒子群算法
补偿技术
调控系统
热成像
图像分割方法
多源特征融合
脉冲耦合神经网络
多源融合
多源图像融合
新能源汽车充电站
车流量数据
需求预测系统
序列
图像识别技术