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！

龙图腾网获悉西北工业大学申请的专利一种小样本场景下基于多模态数据融合的目标鲁棒检测方法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：CN121305054B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511875968.3，技术领域涉及：G06V10/25；该发明授权一种小样本场景下基于多模态数据融合的目标鲁棒检测方法是由王晓田;陶文广;白昆;王铮;张树平;张江南;刘荷明;李峻森;闫天;陈士超;闫杰设计研发完成，并于2025-12-12向国家知识产权局提交的专利申请。

本一种小样本场景下基于多模态数据融合的目标鲁棒检测方法在说明书摘要公布了：本申请属于目标检测技术领域，公开一种小样本场景下基于多模态数据融合的目标鲁棒检测方法。该方法首先对有限的光电、雷达及侦测模态数据进行条件自适应多样性增强以扩充数据。之后，分别处理：光电数据经多维特征提取骨干网络和轻量化解耦检测头，输出类别与位置预测；雷达数据经多层感知机网络和位置预测网络，输出位置预测；侦测数据经多层感知机网络和类别预测网络，输出类别预测。最后，所有预测结果输入自适应多模态对齐专家融合系统，通过跨模态加权对齐与专家决策融合，输出最终高精度的目标类别与位置信息。本发明有效提升了小样本下多模态融合检测的精度与鲁棒性。

本发明授权一种小样本场景下基于多模态数据融合的目标鲁棒检测方法在权利要求书中公布了：1.一种小样本场景下基于多模态数据融合的目标鲁棒检测方法，其特征在于，包括以下步骤： S1：输入数量有限的成对光电模态数据、雷达模态数据和侦测模态数据；所述光电模态数据以图像或视频序列的形式存在，所述雷达模态数据为包含目标的点云信息、距离、径向速度、方位角、俯仰角和雷达散射截面的物理特征信息，所述侦测模态数据包含与目标身份相关的电磁信号特征、声学特征或其他可识别的非视觉物理特征信息； S2：利用条件自适应多样性增强模块对成对的所述光电模态数据、雷达模态数据和侦测模态数据进行数据增广； 所述条件自适应多样性增强模块为生成对抗网络，包括生成器与判别器； 其中，所述生成器接收样本向量与随机噪声，经过嵌入与拼接操作得到初始输入特征，即： 其中，表示对样本向量进行嵌入操作，表示向量拼接操作； 初始输入特征经过包含个不同尺度残差模块的多尺度残差模块组处理，得到多层次纹理特征，其计算式为： 其中，表示第个残差模块，为残差块数量； 多层次纹理特征再经过结合类别条件的自适应实例归一化模块进行风格调制，得到风格调制特征； 最终通过所述生成器的解码层生成用于数据增广的合成样本； S3：将扩充后的光电模态数据输入多维特征提取骨干网络进行光电特征提取，并输入轻量化解耦检测头模块，得到基于光电信息的类别预测结果和位置预测结果；所述多维特征提取骨干网络采用多尺度感受野卷积算子处理输入的光电模态数据，具体包括： 通过1×1卷积进行通道交互，得到特征； 将特征在通道维度上等分为四部分； 对分别进行卷积核尺寸为3×3、5×5、7×7的深度可分离卷积，得到； 将进行拼接得到特征； 通过残差连接得到所述多尺度感受野卷积算子的输出； S4：将扩充后的雷达模态数据输入多层感知机网络进行雷达特征提取，并输入位置预测网络模块，得到基于雷达信息的位置预测结果； S5：将扩充后的侦测模态数据输入多层感知机网络进行侦测特征提取，并输入类别预测网络模块，得到基于侦测信息的类别预测结果； S6：将所述类别预测结果、位置预测结果、位置预测结果以及类别预测结果输入自适应多模态对齐专家融合系统，得到最终的类别预测结果和位置预测结果。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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。