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！

龙图腾网获悉湖南涉外经济学院申请的专利基于机器学习的多模态图像数据自动化识别系统及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：CN121388215B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202511985259.0，技术领域涉及：G06F16/583；该发明授权基于机器学习的多模态图像数据自动化识别系统及方法是由曾文娟;高海波;张诚;杨顺;冯新设计研发完成，并于2025-12-26向国家知识产权局提交的专利申请。

本基于机器学习的多模态图像数据自动化识别系统及方法在说明书摘要公布了：本发明公开了基于机器学习的多模态图像数据自动化识别系统及方法，涉及图像数据处理技术领域，本发明调取图像数据，并进行像素点特征信息提取，构建像素点特征序列；对像素点进行特征匹配度分析，并做层级划分；对同层级中像素点进行空间特征联合指数分析，并根据分析数据进行整合获取层级像素关联指数；对相邻层级之间的像素点进行异层级像素归类分析，并对相邻层级进行像素归类关联分析，确定相邻层级的像素归类关联指数；对不重复的图像数据之间进行像素层级关联逻辑的相关性评估，输出最佳图像匹配组合；本发明实现对多模态图像数据的精确识别，减少粗识别粗匹配现象导致的误识别率和干扰率，提高了图像识别的准确度。

本发明授权基于机器学习的多模态图像数据自动化识别系统及方法在权利要求书中公布了：1.一种图像数据自动化识别方法，其特征在于： 调取数据库存储的图像数据，并对图像数据进行像素点特征信息提取，构建像素点特征序列Pnxn,yn,rn；其中n为像素点标号；其中xn,yn为标号n像素点坐标；rn为标号n像素点特征向量； 基于像素点特征序列，对图像数据中各像素点进行特征匹配度分析，并根据特征匹配度对像素点进行层级划分； 所述特征匹配度分析为根据图像数据中各像素点特征序列Pnxn,yn,rn，分别对各像素点的特征数据进行特征匹配度MdPi,Pj分析； 其中，MdPi,Pj为标号i和j像素点之间特征数据的特征匹配度； 所述层级划分为基于图像数据中各像素点之间的特征匹配度，对各像素点进行层级划分；设置匹配度分割阈值Cij,以特征匹配度最大值对应的像素点为参照像素点，获取图像数据中其余像素点与参照像素点的特征匹配度，并与匹配度分割阈值Cij进行比对分析，获取像素点层级划分数据； 对同层级中任意像素点之间进行空间特征联合指数分析，并统筹同层级像素点的空间特征联合指数进行整合获取层级像素关联指数； 所述空间特征联合指数分析为根据图像数据中各像素点的层级划分情况，分别提取同层级像素点特征序列Pnxn,yn,rn进行空间特征联合指数CPFi,j,k分析；其中，CPFi,j,k为层级k中标号i和j的像素点之间的空间特征联合指数； 所述层级像素关联指数分析为通过在各层级中对像素点进行全遍历并做空间特征联合指数分析，确定对应层级中各像素点的空间特征联合指数CPFi,j,k并进行整合分析，获取层级像素关联指数HPFk；其中，HPFk为层级标号k的层级像素关联指数； 对相邻层级之间的像素点进行异层级像素归类分析，并根据归类数据对相邻层级进行像素归类关联分析，确定相邻层级的像素归类关联指数； 所述异层级像素归类分析为统筹各层级像素点的分布情况，确定各层级的边界像素点，对相邻层级的边界像素点进行空间特征联合指数获取； 所述像素归类关联分析结合相邻层级的边界像素点的空间特征联合指数与相邻层级的层级像素关联指数HPFk进行像素点归类分析，以获取相邻层级的像素归类关联指数； 分别对不重复的图像数据之间进行像素层级关联逻辑的相关性评估，并根据分析数据输出最佳图像匹配组合。

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湖南涉外经济学院，其通讯地址为：410205 湖南省长沙市岳麓区枫林三路822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。