[发明专利]一种基于卷积神经网络的多模态特征融合方法及装置有效
| 申请号： | 201811456123.0 | 申请日： | 2018-11-30 |
| 公开（公告）号： | CN109583569B | 公开（公告）日： | 2021-08-31 |
| 发明（设计）人： | 仲崇亮 | 申请（专利权）人： | 熵基科技股份有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06K9/00 |
| 代理公司： | 深圳市深佳知识产权代理事务所(普通合伙) 44285 | 代理人： | 王仲凯 |
| 地址： | 523710 广东省东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络的多模态特征融合方法包括：从不同的异质图像中提取多个模态的特征，得到每个模态的第一特征集；在多模态卷积神经网络中，依据不同模态之间的相关性，从每个模态的第一特征集中筛选出符合预设条件的特征，得到每个模态的第二特征集；在多模态卷积神经网络的全连接层，确定每个模态的第二特征集的权重，并依据权重将多个模态的第二特征集进行融合，以使融合后的第二特征集对用于生物特征识别的多模态卷积神经网络进行训练。这样解决了现有技术中单一模态识别具有的局限性问题，提高了生物特征识别的准确度。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 多模态 特征 融合 方法 装置 | ||
【主权项】：
1.一种基于卷积神经网络的多模态特征融合方法，其特征在于，包括：从不同的异质图像中提取多个模态的特征，得到每个模态的第一特征集；在多模态卷积神经网络中，依据不同模态之间的相关性，从每个模态的第一特征集中筛选出符合预设条件的特征，得到每个模态的第二特征集；在多模态卷积神经网络的全连接层，确定每个模态的第二特征集的权重，并依据所述权重将多个模态的第二特征集进行融合，以使融合后的第二特征集对生物特征识别的多模态卷积神经网络进行训练。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于熵基科技股份有限公司，未经熵基科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811456123.0/，转载请声明来源钻瓜专利网。
