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！

龙图腾网获悉深圳市大数据研究院申请的专利多模态分类模型的训练方法、分类方法及多模态分类模型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：CN120565113B 。

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：202510685375.4，技术领域涉及：G16H50/70；该发明授权多模态分类模型的训练方法、分类方法及多模态分类模型是由王昌淼;王志鹏;田媛;罗雪娇;周秀兰;葛瑞泉;彭保;邵珠宏;万翔设计研发完成，并于2025-05-26向国家知识产权局提交的专利申请。

本多模态分类模型的训练方法、分类方法及多模态分类模型在说明书摘要公布了：本申请公开了多模态分类模型的训练方法、分类方法以及多模态分类模型，其训练方法实现，包括：分别对第一图像样本、第二图像样本、第一健康相关样本以及第二健康相关样本进行特征提取；对提取到的第一图像特征以及第一健康相关特征进行对应多粒度对比学习以及个性共性表示学习，得到对比学习损失以及个性共性表示学习损失，以对多模态分类模型进行迭代更新；对提取到的第二图像特征以及第二健康相关特征进行个性共性表示学习，以得到个性表示以及共性表示；对其进行加权后拼接，得到拼接特征，对拼接特征进行分类处理，得到分类损失，以对多模态分类模型再次进行迭代更新。采用两阶段训练策略，提升模型对复杂多模态数据的适应性以及分类准确性。

本发明授权多模态分类模型的训练方法、分类方法及多模态分类模型在权利要求书中公布了：1.一种多模态分类模型的训练方法，其特征在于，应用于多模态分类模型，所述方法，包括： 分别对第一图像样本、第二图像样本、第一健康相关样本以及第二健康相关样本进行特征提取，以得到第一图像特征、第二图像特征、第一健康相关特征以及第二健康相关特征； 对所述第一图像特征以及第一健康相关特征进行多粒度对比学习以及个性共性表示学习，包括：利用对比学习损失函数在不同层次上进行特征对齐，以确定模态间损失、模态内损失与样本级损失；基于模态间损失、模态内损失以及样本级损失计算得到对比学习损失；通过编码器将对比学习后的跨模态特征分解为共性特征与个性特征，基于共性损失函数以及共性特征，计算得到共性损失；基于个性损失函数计算得到个性损失；基于个性损失以及共性损失，得到个性共性表示学习损失；基于总对比学习损失以及个性共性表示学习损失，得到总学习损失；若总学习损失大于预设损失阈值，或者迭代次数小于预设次数，则对模型进行迭代更新； 对所述第二图像特征以及第二健康相关特征进行个性共性表示学习，以得到不同损失约束下对应的个性表示以及共性表示； 对所述个性表示以及共性表示进行加权后拼接，得到拼接特征，并基于所述拼接特征进行分类处理，以得到分类损失； 基于所述分类损失，对所述多模态分类模型再次进行迭代更新。

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深圳市大数据研究院，其通讯地址为：518000 广东省深圳市龙岗区龙城街道龙翔大道2001号道远楼225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。