多模态数据的智能卷积通用网络预测方法、设备及介质

专利主权项内容

1.一种多模态数据的智能卷积通用网络预测方法，其特征在于，方法包括以下步骤：S1：获取多模态数据，将所述多模态数据转换为二维数组；确定多模态数据的训练样本和测试样本；S2：通过Relu激活函数、二维卷积层、激活层以及最大池化层，构建轻量级的适应多模态数据的所述通用网络模型；S3：改进所述通用网络模型的卷积公式；所述通用网络模型改进后的卷积公式如下：其中，表示向下取整；W表示卷积特征图的宽，卷积特征图的宽等于卷积特征图的高；P表示填充；S表示移动得距离；S4：通过所述训练样本，训练所述通用网络模型；S5：通过训练后的通用网络模型，实现所述多模态数据的识别。