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！

龙图腾网获悉中国矿业大学申请的专利一种基于掩码对比学习的多模态协同地物分类方法及系统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：CN120612604B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202510737756.2，技术领域涉及：G06V20/10；该发明授权一种基于掩码对比学习的多模态协同地物分类方法及系统是由刘思诚;夏战国;平欢;刘奇翰;李春磊设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本一种基于掩码对比学习的多模态协同地物分类方法及系统在说明书摘要公布了：本发明公开了一种基于掩码对比学习的多模态协同地物分类方法及系统，属于遥感图像分类技术领域。方法包括：获取高光谱数据和激光雷达点云数据，基于上述数据得到高光谱图像块以及LiDAR图像块；对其进行特征提取，得到高光谱图像特征块和LiDAR图像特征块；对其进行融合处理，得到高光谱图像特征和LiDAR图像特征以及第一跨模态注意力图和第二跨模态注意力图；基于上述数据得到第一掩码融合特征和第二掩码融合特征；基于高光谱图像特征和LiDAR图像特征以及第一掩码融合特征和第二掩码融合特征计算对比损失，并更新模型参数；基于参数更新后的模型对待分类地物多模态数据进行分类。本发明提高了跨模态学习任务的精度和稳定性。

本发明授权一种基于掩码对比学习的多模态协同地物分类方法及系统在权利要求书中公布了：1.一种基于掩码对比学习的多模态协同地物分类方法，其特征在于，包括以下步骤： S1、获取高光谱数据和激光雷达点云数据，对所述高光谱数据和所述激光雷达点云数据进行预处理，得到高光谱图像块以及LiDAR图像块； S2、采用多尺度特征提取模块对所述高光谱图像块和所述LiDAR图像块分别进行特征提取，得到高光谱图像特征块和LiDAR图像特征块； S3、采用CGAFT模块对所述高光谱图像特征块和所述LiDAR图像特征块分别进行融合处理，得到高光谱图像特征和LiDAR图像特征以及第一跨模态注意力图和第二跨模态注意力图； S4、基于所述高光谱图像特征块和所述LiDAR图像特征块以及第一跨模态注意力图和第二跨模态注意力图得到第一掩码融合特征和第二掩码融合特征； S5、基于所述高光谱图像特征和所述LiDAR图像特征以及所述第一掩码融合特征和所述第二掩码融合特征计算对比损失，并结合交叉熵函数更新模型参数；所述模型包括：多尺度特征提取模块以及CGAFT模块； S6、基于参数更新后的模型，对待分类地物多模态数据进行分类，得到分类结果； 得到所述第一掩码融合特征和所述第二掩码融合特征的方法包括： 基于所述第一跨模态注意力图和所述第二跨模态注意力图，计算每个特征位置的综合激活强度； 分别在所述高光谱图像特征块和所述LiDAR图像特征块上应用CGAFT模块的编码器M次，之后输入到FC网络中获取c个通道的特征表示F； 从特征表示F计算查询Q、键K和值V，基于查询Q、键K和值V计算注意力图得分； 将所述注意力图得分转换为概率分布，所述概率分布用于反映所述综合激活强度高的特征被遮蔽的概率；结合Gumblemax技巧以概率方式指导掩蔽策略； 基于所述掩蔽策略对所述高光谱图像特征块和所述LiDAR图像特征块进行遮蔽，得到所述第一掩码融合特征和所述第二掩码融合特征。

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中国矿业大学，其通讯地址为：221116 江苏省徐州市大学路1号中国矿业大学南湖校区；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。