买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉神州医疗科技股份有限公司申请的专利基于多模态学习的目标分类方法、装置、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119884817B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411912711.6，技术领域涉及：G06F18/24；该发明授权基于多模态学习的目标分类方法、装置、设备及介质是由刘硕;白焜太;王蕾;周文仲;杨雅婷;许娟;史文钊设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本基于多模态学习的目标分类方法、装置、设备及介质在说明书摘要公布了：本发明涉及基于多模态学习的目标分类方法、装置、设备及介质，该方法包括：将待处理数据输入至预训练的分类模型中，得到待处理数据对应的分类结果；分类模型包括输入层用于接收待处理数据，深度可分离卷积层用于对每种数据进行逐通道卷积，得到每种数据对应的第一特征图，对每种数据对应的第一特征图进行逐点卷积，得到每种数据对应的第二特征图，基于每种数据对应的第一特征图和第二特征图，得到每种数据对应的第三特征图；多尺度特征融合层用于对所有数据对应的第三特征图进行融合处理得到融合特征图；输出层用于根据融合特征图得到分类结果。通过本发明的方法，可减少计算量并保持精度，从而可使得基于分类模型得到的分类结果更加准确。

本发明授权基于多模态学习的目标分类方法、装置、设备及介质在权利要求书中公布了：1.基于多模态学习的目标分类方法，其特征在于，包括以下步骤： 获取针对目标的待处理数据，所述待处理数据包括待处理图像、待处理文本和待处理语音，所述目标为车辆的类型； 将所述待处理数据输入至预训练的分类模型中，得到所述待处理数据对应的分类结果；其中，所述分类模型包括输入层、深度可分离卷积层、多尺度特征融合层和输出层； 所述输入层用于接收所述待处理数据，所述深度可分离卷积层用于对所述待处理数据中的每种数据进行逐通道卷积，得到每种数据对应的第一特征图，以及对每种数据对应的第一特征图进行逐点卷积，得到每种数据对应的第二特征图，基于每种数据对应的第一特征图和第二特征图，得到每种数据对应的第三特征图； 所述多尺度特征融合层用于对所述待处理数据中的所有种数据对应的第三特征图进行融合处理，得到融合特征图；所述输出层用于根据所述融合特征图，得到所述待处理数据对应的分类结果； 所述深度可分离卷积层的具体实现过程如第一公式所示： Yds=DepthwiseConvX+PointwiseConvDepthwiseConvX 其中，X表示输入图像对应的输入特征图，DepthwiseConvX表示对输入特征图进行逐通道卷积，得到的第一特征图，PointwiseConvDepthwiseConvX表示对第一特征图DepthwiseConvX进行逐点卷积，得到的第二特征图，Yds表示第三特征图； 所述分类模型还包括：注意力机制层，所述注意力机制层，用于对所述融合特征图中的第一特征进行增强，对所述融合特征图中的第二特征进行抑制，得到第一输出特征图，所述第一特征为与所述分类结果对应的目标相关的特征，所述第二特征为与所述分类结果对应的目标不相关的特征，将所述第一输出特征图作为所述输出层的输入； 所述多尺度特征融合层包括多个不同尺寸的卷积核对应的卷积层，所述多尺度特征融合层，具体用于： 对于每种数据，通过各个尺寸的卷积核对应的卷积层分别对该种数据对应的第三特征图进行特征提取，得到第三输出特征图； 对所有种数据对应的第三输出特征图进行拼接处理，得到所述待处理数据对应的融合特征图； 其中，对所有种数据对应的第三输出特征图进行拼接处理，得到所述待处理数据对应的融合特征图，包括：对第一数量的第三输出特征图进行平均池化，得到第一数量的第四输出特征图，对第一数量的第四输出特征图和第二数量的第三输出特征图进行拼接处理，得到待处理数据对应的融合特征图，其中，第一数量和第二数量之和等于数据的种类数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人神州医疗科技股份有限公司，其通讯地址为：100080 北京市海淀区颐和园路2号未来科技大厦主楼12层1201室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。