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缺失跨模态数据类增量学习的无人机巡检方法及装置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：CN119206552B 。

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：202411338769.4，技术领域涉及：G06V20/17；该发明授权基于缺失跨模态数据类增量学习的无人机巡检方法及装置是由姚鑫杰;王煜;朱鹏飞;李维浩;赵睿朴;胡清华设计研发完成，并于2024-09-25向国家知识产权局提交的专利申请。

本基于缺失跨模态数据类增量学习的无人机巡检方法及装置在说明书摘要公布了：本发明公开了一种基于缺失跨模态数据类增量学习的无人机巡检方法及装置，方法包括：对无人机收集到的缺失数据进行补全；对补全后的数据进行预处理，获取数据中隐藏的各模态的特征；对输入特征图中不同模态的特征通道进行混合；对混合后的输入特征图中的每个组分配一套卷积核，进行分组卷积后，对特征图应用自适应平均池化，得到最终的输出特征图；对输出特征图进行展平，之后将其输入全连接层，并应用激活函数以引入非线性，生成最终的分类结果，随后应用损失函数计算损失，并使用梯度下降法更新模型参数；在模型训练完成后部署到无人机上，无人机对场景和实体进行识别。装置包括：处理器和存储器。本发明提高了无人机在复杂环境中的识别和分析能力。

本发明授权基于缺失跨模态数据类增量学习的无人机巡检方法及装置在权利要求书中公布了：1.一种基于缺失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： 对无人机收集到的缺失数据进行补全；对补全后的数据进行预处理，获取数据中隐藏的各模态的特征；对输入特征图中不同模态的特征通道进行混合； 对混合后的输入特征图中的每个组分配一套卷积核，进行分组卷积后，对特征图应用自适应平均池化，得到最终的输出特征图； 对输出特征图进行展平，之后将其输入全连接层，并应用激活函数以引入非线性，生成最终的分类结果，随后应用损失函数计算损失，并使用梯度下降法更新模型参数；在模型训练完成后部署到无人机上，无人机对场景和实体进行识别； 所述对输入特征图中不同模态的特征通道进行混合具体为： 将输入特征图中来自各个模态的特征划分为不同通道，将来自每个模态的特征通道均匀分组，从每组中选择通道并与另一模态的对应组进行混合； 所述通道混合将通道分配到不同预定义的组中，并重新组合来自不同模态的特征通道，通道混合定义为： ； ； 其中，表示连接，和代表从两种不同模态提取的特征组，特征通道被平均地分到不同的组中，代表第个场景，代表不同的模态，是组数，是通道数，和表示对两种不同模态中提取的特征组进行通道混合操作；表示在第个场景中第个模态中的特征通道的第个元素。

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。