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！

龙图腾网获悉天津大学申请的专利基于跨模态数据类增量学习的无人机巡检方法及系统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：CN119131471B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202411156650.5，技术领域涉及：G06V10/764；该发明授权基于跨模态数据类增量学习的无人机巡检方法及系统是由姚鑫杰;王煜;朱鹏飞;李维浩;赵睿朴;胡清华设计研发完成，并于2024-08-22向国家知识产权局提交的专利申请。

本基于跨模态数据类增量学习的无人机巡检方法及系统在说明书摘要公布了：本发明公开了一种基于跨模态数据类增量学习的无人机巡检方法及系统，包括：通过跨模态特征混合融合模块将各个模态的特征进行拼接重组；对每一组处理后的输入特征图分配一套独立的卷积核，进行分组卷积，最后生成完整的特征图；对于完整的特征图中的每个池化窗口，根据自适应平均池化计算窗口内所有元素的平均值，将该平均值作为输出特征图对应位置的元素，对所有区域重复进行该过程，得到最终的输出特征图；将经过自适应平均池化模块处理后得到的输出特征图进行展平，输入到全连接层当中提取和组合特征，生成最终的分类输出，随后根据损失函数的梯度，更新模型参数；将训练好的模型部署到无人机上实时采集可见光和热成像图像，提取特征并通过模型进行识别和预测。

本发明授权基于跨模态数据类增量学习的无人机巡检方法及系统在权利要求书中公布了：1.一种基于跨模态数据类增量学习的无人机巡检方法，其特征在于，所述方法包括： 通过跨模态特征混合融合模块将各个模态的特征进行拼接重组；对每一组处理后的输入特征图分配一套独立的卷积核，进行分组卷积，最后生成完整的特征图； 对于完整的特征图中的每个池化窗口，根据自适应平均池化计算窗口内所有元素的平均值，将该平均值作为输出特征图对应位置的元素，对所有区域重复进行该过程，得到最终的输出特征图； 将经过自适应平均池化模块处理后得到的输出特征图进行展平，输入到全连接层当中提取和组合特征，生成最终的分类输出，随后根据损失函数的梯度，更新模型参数；将训练好的模型部署到无人机上实时采集可见光和热成像图像，提取特征并通过模型进行识别和预测； 所述损失函数包括：真实标签计算分类损失和未知新类预留损失， 真实标签计算分类损失用于对当前已知类别的正确分类，衡量模型输出与真实标签之间的差异，确保模型能够准确识别和分类训练数据中包含的类别； 未知新类预留损失在模型的输出空间中预留一部分学习空间，在训练时，输入数据通过模型，计算每个类别的预测输出； 将两种损失加权结合，形成总损失； 所述损失函数为： 损失函数使模型从标签中学习已知类别，损失函数为未知的新类别预留学习空间，使已学习的已知类别表示更为紧凑，目标函数定义为： ； 其中，是从跨模态特征混合融合模块获得的增强嵌入，是标签，是虚拟类别中的伪标签，是平衡两种损失的系数； 掩码函数定义为： ； 其中，函数应用于特征向量，该特征向量代表从增量学习中得到的嵌入表示，和分别代表两种模态的嵌入，表示哈达马乘积用于将特征向量与一个独热编码向量的逐元素补码相乘；独热编码向量表示当前已知类别的标签，其余类别位置为0，当前类别位置为1；通过操作，将已知类别的位置置0，未知类 别的位置置1。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92号；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。