[发明专利]用于心理压力检测的多模态融合方法及装置有效
| 申请号： | 201910567398.X | 申请日： | 2019-06-27 |
| 公开（公告）号： | CN110301920B | 公开（公告）日： | 2020-06-02 |
| 发明（设计）人： | 冯铃;张慧君;曹檑 | 申请（专利权）人： | 清华大学 |
| 主分类号： | A61B5/16 | 分类号： | A61B5/16 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 苗晓静 |
| 地址： | 100084 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供一种用于心理压力检测的多模态融合方法及装置，本发明基于生理数据‑文本、生理数据‑图片、文本‑生理数据、文本‑图片、图片‑生理数据、图片‑文本的注意力强化特征矩阵，基于前馈全连接神经网络，获取文本、图片和生理数据的融合特征矩阵；接着基于文本、图片、生理数据的重要性权重值以及文本、图片和生理数据的融合特征矩阵，获取三种模态的融合表示矩阵；最后基于述三种模态的融合表示矩阵以及前馈全连接网络获取反映心理压力问题的压力分类向量。本发明通过融合文本图片数据与生理相关数据，不仅弥补了由文本和图片数据的主观性带来的不足，解决了生理相关数据的一些固有问题。 | ||
| 搜索关键词： | 用于 心理压力 检测 多模态 融合 方法 装置 | ||
【主权项】：
1.一种对两种模态数据进行特征交互融合的注意力权重对应方法，其特征在于，包括：基于两种模态数据的特征矩阵，利用矩阵乘法，获取反映两种模态数据不同特征之间信息关联度的关联关系矩阵；基于所述关联关系矩阵和前馈全连接网络模型，获取其中一种模态数据的特征矩阵对另一种模态数据的特征矩阵的影响力权重矩阵；基于所述影响力权重矩阵和所述两种模态数据的特征矩阵，利用矩阵点乘和残差连接，获取包含所述两种模态数据的特征矩阵相互影响权重的注意力强化特征矩阵。
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清华大学，未经清华大学许可，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/201910567398.X/，转载请声明来源钻瓜专利网。
