发明公开
- 专利标题: 一种多模态密集预测的深度信息传输模型的构建方法
-
申请号: CN202011307818.X申请日: 2020-11-19
-
公开(公告)号: CN112396000A公开(公告)日: 2021-02-23
- 发明人: 吴贺丰 , 张小雨 , 刘凌波 , 林倞 , 王青
- 申请人: 中山大学
- 申请人地址: 广东省广州市海珠区新港西路135号
- 专利权人: 中山大学
- 当前专利权人: 中山大学
- 当前专利权人地址: 广东省广州市海珠区新港西路135号
- 代理机构: 广州粤高专利商标代理有限公司
- 代理商 刘俊
- 主分类号: G06K9/00
- IPC分类号: G06K9/00 ; G06N3/04 ; G06N3/08
摘要:
本发明提供一种多模态密集预测的深度信息传输模型的构建方法,该方法首先,构建多个子网络是用于RGB图或热图表征学习,再构建一个子网络用于为模式共享;然后,构建一个信息聚集‑分布模块IADM,用于完成平移不变的信息提取以及信息聚合传输、信息分布传输。本发明通过学习多模态对齐表示,建立一个包含信息聚合分布模块的多模态密集预测框架,能够充分捕捉不同模态之间的互补信息,很好的完成信息整合。在各种多模态密度预测任务中,该方案显示出了有效性和通用性。
公开/授权文献
- CN112396000B 一种多模态密集预测的深度信息传输模型的构建方法 公开/授权日:2023-09-05