CN117173517A - 面向空天异构的时序数据处理方法、装置、设备及介质 - Google Patents
面向空天异构的时序数据处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117173517A CN117173517A CN202311450700.6A CN202311450700A CN117173517A CN 117173517 A CN117173517 A CN 117173517A CN 202311450700 A CN202311450700 A CN 202311450700A CN 117173517 A CN117173517 A CN 117173517A
- Authority
- CN
- China
- Prior art keywords
- sequence
- time
- data
- input data
- track
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 28
- 230000000873 masking effect Effects 0.000 claims abstract description 23
- 238000005070 sampling Methods 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 description 16
- 230000015654 memory Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Image Processing (AREA)
Abstract
本发明提供了一种面向空天异构的时序数据处理方法、装置、设备及存储介质,可以应用于空天任务预测技术领域。该方法包括:将多模态的输入数据转化为token序列,得到所述输入数据token序列;对所述输入数据token序列进行随机掩码,得到掩码数据;以所述不同模态的掩码数据为建模目标,预训练多路Transformer模型,得到训练完成的时序数据处理模型,实现针对空天领域时序预测应用的通用推理预测。
Description
技术领域
本发明涉及空天任务预测领域,尤其涉及一种面向空天异构的时序数据处理方法、装置、设备及介质。
背景技术
空天领域时序预测应用包含了目标轨迹预测、要素演化预测、场景趋势预测等任务,各任务间差异大,所需的空天领域数据差异大,包含二维的轨迹数据与三维的时序图像,现有技术大多只能处理自然场景图像和文本数据,目前没有一个所述多路Transformer模型架构可以同时处理空天领域时序图像与轨迹数据,实现针对空天领域时序预测应用的通用推理预测。
发明内容
鉴于上述问题,本发明提供了一种面向空天异构的时序数据处理方法、装置、设备及存储介质。
根据本发明的第一个方面,提供了一种面向空天异构的时序数据处理方法,包括:
将多模态的输入数据转化为token序列,得到所述输入数据token序列;
对所述输入数据token序列进行随机掩码,得到不同模态的掩码数据;
以所述不同模态的掩码数据为建模目标,预训练多路Transformer模型,得到训练完成的时序数据处理模型。
可选的,所述输入数据包含时序图像、轨迹和时序图像-轨迹的配对数据;
所述训练完成的时序数据处理模型用于预测输入的时序数据所要执行的任务。
可选的,所述多路Transformers模型包括多层多路Transformer块,每层所述多路Transformer块包括用于不同模态的前馈网络池和共享的自注意力模块;
所述用于不同模态的前馈网络池用于处理不同模态的输入数据token序列;
所述共享的自注意力模块用于学习不同模态之间的对齐方式,实现多模态任务的深度融合。
可选的,每层所述多路Transformer块的不同模态的前馈网络池均包括时序图像专家和轨迹专家,最后三层所述多路Transformer块的不同模态的前馈网络池均包括时序图像专家、轨迹专家、时序图像-轨迹配对专家。
可选的,所述将多模态的输入数据转化为token序列,得到所述输入数据token序列包括:
使用跨步时间采样策略,对所述输入数据进行时序采样,得到时序采样序列;
对所述时序采样序列进行联合时空立方体嵌入,得到时空采样序列;
对所述时空采样序列进行轨迹预处理,得到所述输入数据token序列。
可选的,所述输入数据token序列的模态包括时序模态、轨迹模态和时序-轨迹模态;
所述时序模态的输入数据token序列发送给时序图像专家;
所述轨迹模态的输入数据token序列发送给轨迹专家;
所述时序-轨迹模态的输入数据token序列发送给时序-轨迹模态专家。
可选的,所述以所述不同模态的掩码数据为建模目标,预训练多路Transformer模型包括:
以时序模态的掩码数据、轨迹模态的掩码数据和时序-轨迹模态的掩码数据为建模目标,预训练所述多路Transformer模型;
在所述预训练过程中,随机掩码预设比例的时序图像的token序列和轨迹的token序列以重建掩码数据的token序列。
本发明的第二方面提供了一种面向空天异构的时序数据处理装置,包括:
转化模块,用于将多模态的输入数据转化为token序列,得到所述输入数据token序列;
掩码模块,用于对所述输入数据token序列进行随机掩码,得到不同模态的掩码数据;
训练模块,用于以所述不同模态的掩码数据为建模目标,预训练多路Transformer模型,得到训练完成的时序数据处理模型。
本发明的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述方法。
本发明的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述方法。
根据本发明提供的波面向空天异构的时序数据处理方法、装置、设备和介质,设计时序图像、轨迹、时序图像+轨迹的三支路特征互促共享的多路Transformer模型,可同时处理时序图像、轨迹数据以及时序图像与轨迹数据的配对数据,增加了基础模型应用的泛化性;通过共享的自注意力模块可以互相借鉴不同结构数据和任务间的优势,提高预测任务的准确率;将单模态和多模态的预训练任务都统一到同一种形式中,具体应用时更方面。
附图说明
通过以下参照附图对本发明实施例的描述,本发明的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本发明实施例的面向空天异构的时序数据处理方法的流程图。
图2示意性示出了根据本发明实施例的多路Transformer模型的架构图;
图3示意性示出了根据本发明实施例的面向空天异构的时序数据处理装置的结构框图;
图4示意性示出了根据本发明实施例的适于实现面向空天异构的时序数据处理方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本发明的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本发明的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本发明实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本发明的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、发明和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在本发明的技术方案中,对数据的获取、收集、存储、使用、加工、传输、提供、发明和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
空天领域时序预测应用包含了目标轨迹预测、要素演化预测、场景趋势预测等任务,各任务间差异大,所需的空天领域数据差异大,包含二维的轨迹数据与三维的时序图像,现有技术大多只能处理自然场景图像和文本数据,目前没有一个基础模型架构可以同时处理空天领域时序图像与轨迹数据,实现针对空天领域时序预测应用的通用推理预测。
在本发明实施例中,设计时序图像、轨迹、时序图像+轨迹的三支路特征互促共享的练多路Transformer模型,综合提取空天异构时序数据的共性规律。在练多路Transformer模型中,通过共享的自注意力模块,不同模态的数据可以被对齐,同时使用专家模型(不同数据具有各自的前馈专家模型网络)来学习每种数据独有的特征。此外,使用“掩码预测”策略来统一不同数据的训练策略,实现针对空天领域时序预测应用的通用推理预测。
图1示意性示出了根据本发明实施例的面向空天异构的时序数据处理方法的流程图。
如图1所示,该实施例的面向空天异构的时序数据处理方法包括操作S110~操作S130。
在操作S110,将多模态的输入数据转化为token序列,得到该输入数据token序列。
在操作S120,对该输入数据token序列进行随机掩码,得到不同模态的掩码数据。
在操作S130,以该不同模态的掩码数据为建模目标,预训练多路Transformer模型,得到训练完成的时序数据处理模型。
输入数据为时序数据,其包含时序图像、轨迹和时序图像-轨迹的配对数据。操作S110为一种数据预处理操作,其中,将输入数据转化为模型可计算的token序列主要包括对时序图像的预处理和轨迹的预处理。
在一实施例中,操作S110包括使用跨步时间采样策略,对该输入数据进行时序采样,得到时序采样序列;对该时序采样序列进行联合时空立方体嵌入,得到时空采样序列;对该时空采样序列进行轨迹预处理,得到该输入数据token序列。
可以理解的,时序图像的预处理包括时序采样和数据嵌入。
采样跨步时间采样策略进行时序采样。本发明提出使用跨步时间采样策略,可提供时序图像预训练的高效性。形式上,首先从原始时序图像V中随机抽取一个由连续t帧组成的时序图像片段。然后使用时间均匀采样将时序图像片段压缩为T帧,每个帧包含H×W×3个像素。在一示例中,采样步幅τ可以设置为4。
对该时序采样序列进行联合时空立方体嵌入。在一示例中,将每个大小为2×16×16的立方体视为一个token嵌入。因此,立方体嵌入层获得T/2×H/16×W/16个3D token,并将每个token映射到通道维度D。这种设计可以降低输入的空间和时间维度,有助于缓解时序图像中的时空冗余。
可以理解的,针于轨迹的预处理,对于目标i,原始轨迹数据在笛卡尔坐标中提供了其对应的轨迹表示/>。为了让模型处理输入,通过一个权重矩阵/>将其嵌入到更高的D维空间,即/>。
在本发明一实施例中,掩码包括时序图像掩码和轨迹掩码。
具体的,对于时序图像掩码,时序图像信息密度远低于静态图像,因此期望较高的比例来增加重建难度,这种高掩蔽率有助于缓解掩蔽建模过程中的信息泄露,使掩蔽时序图像重建成为有意义的自监督预训练任务。其次,即使在极高的掩蔽比率下,仍可以通过提出时间管道掩蔽机制来提高掩蔽效率。时间管道掩蔽强制一个掩蔽在整个时间轴上展开,即不同帧共享同一个掩蔽图。从数学上讲,管道掩模(tube masking)机制可以表示为,不同的时间t共享相同的值。通过这种机制,掩码立方体的时间邻居总是被掩码。所以对于一些没有运动或者运动很小的立方体,模型无法在所有帧中找到时空对应的内容。这样,它将鼓励模型对高层语义进行推理来恢复这些完全缺失的立方体。这种简单的策略可以缓解无运动或可忽略不计的立方体的信息泄露问题,在实际应用中对于掩膜时序图像预训练有效。
具体的,对于轨迹掩码,可以采样随机掩蔽50%或40%等的轨迹的token序列即可,本发明对掩蔽比例不做限制。
本发明实施例中,模型整体架构使用共享的多路Transformer模型在单模态和多模态数据上通过掩码数据建模进行预训练。该模型可以迁移到各种遥感时序图像和遥感时序图像-轨迹下游任务中。
如图2所示,使用多路Transformers模型作为主干模型对不同模态进行编码,以进行特征提取。M层多路Transformer块由共享的自注意力模块和用于不同模态的前馈网络池(即模态专家)组成。将每个输入的token根据其模态发送给模态专家。在本发明一实施例中,每层多路Transformer块的不同模态的前馈网络池均包括都包含一个时序图像专家和一个轨迹专家。此外,最后3层有为融合编码器设计的时序图像-轨迹配对专家。使用模态专家库鼓励模型捕获更多的模式特异性信息。共享的自注意力模块学习不同模态之间的对齐方式,实现多模态(如时序图像-轨迹)任务的深度融合。
输入数据token序列的模态包括时序模态、轨迹模态和时序-轨迹模态。时序模态的输入数据token序列发送给时序图像专家,轨迹模态的输入数据token序列发送给轨迹专家,时序-轨迹模态的输入数据token序列发送给时序-轨迹模态专家。
在本发明一实施例中,操作S130中,使用统一的单模态(时序图像、轨迹)和多模态(时序图像-轨迹对)的掩码数据为建模目标来预训练基础模型。在预训练过程中,可随机掩码一定比例的时序图像和轨迹的token序列(具体的掩码策略可参见上述描述)并训练模型来重建这些掩码的token。统一掩码-预测任务不仅学习表征,还学习不同模态的对齐。仅只使用这一个预训练任务,使得训练过程的扩展变得友好。可以利用训练完成的时序数据处理模型处理时序数据,预测输入的时序数据所要执行的任务,提高预测任务的准确率。
基于上述面向空天异构的时序数据处理方法,本发明还提供了一种面向空天异构的时序数据处理装置。以下将结合图3对该装置进行详细描述。
图3示意性示出了根据本发明实施例的面向空天异构的时序数据处理装置的结构框图。
如图3所示,该实施例的面向空天异构的时序数据处理装置300包括转化模块310、掩码模块320和训练模块330。
转化模块310,用于将多模态的输入数据转化为token序列,得到该输入数据token序列。在一实施例中,转化模块310可以用于执行前文描述的操作S110,在此不再赘述。
掩码模块320,用于对该输入数据token序列进行随机掩码,得到不同模态的掩码数据。在一实施例中,掩码模块320可以用于执行前文描述的操作S120,在此不再赘述。
训练模块330,用于以该不同模态的掩码数据为建模目标,预训练多路Transformer模型,得到训练完成的时序数据处理模型。在一实施例中,训练模块330可以用于执行前文描述的操作S130,在此不再赘述。
根据本发明的实施例,该输入数据包含时序图像、轨迹和时序图像-轨迹的配对数据。
在本发明一实施例中,该多路Transformers模型包括多层多路Transformer块,每层该多路Transformer块包括用于不同模态的前馈网络池和共享的自注意力模块;
该用于不同模态的前馈网络池用于处理不同模态的输入数据token序列;
该共享的自注意力模块用于学习不同模态之间的对齐方式,实现多模态任务的深度融合。
在本发明一实施例中,每层该多路Transformer块的不同模态的前馈网络池均包括时序图像专家和轨迹专家,最后三层该多路Transformer块的不同模态的前馈网络池均包括时序图像专家、轨迹专家、时序图像-轨迹配对专家。
在本发明一实施例中,该将多模态的输入数据转化为token序列,得到该输入数据token序列包括:
使用跨步时间采样策略,对该输入数据进行时序采样,得到时序采样序列;
对该时序采样序列进行联合时空立方体嵌入,得到时空采样序列;
对该时空采样序列进行轨迹预处理,得到该输入数据token序列。
在本发明一实施例中,该输入数据token序列的模态包括时序模态、轨迹模态和时序-轨迹模态;
该时序模态的输入数据token序列发送给时序图像专家;
该轨迹模态的输入数据token序列发送给轨迹专家;
该时序-轨迹模态的输入数据token序列发送给时序-轨迹模态专家。
在本发明一实施例中,该以该不同模态的掩码数据为建模目标,预训练多路Transformer模型包括:
以时序模态的掩码数据、轨迹模态的掩码数据和时序-轨迹模态的掩码数据为建模目标,预训练该多路Transformer模型;
在该预训练过程中,随机掩码预设比例的时序图像的token序列和轨迹的token序列以重建掩码数据的token。
根据本发明的实施例,转化模块310、掩码模块320和训练模块330中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本发明的实施例,转化模块310、掩码模块320和训练模块330中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,转化模块310、掩码模块320和训练模块330中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图4示意性示出了根据本发明实施例的适于实现面向空天异构的时序数据处理方法的电子设备的方框图。
如图4所示,根据本发明实施例的电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本发明实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 603中,存储有电子设备600操作所需的各种程序和数据。处理器 601、ROM602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603中的程序来执行根据本发明实施例的方法流程的各种操作。需要注意,该程序也可以存储在除ROM602和RAM 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本发明实施例的方法流程的各种操作。
根据本发明的实施例,电子设备600还可以包括输入/输出(I/O)接口605,输入/输出(I/O)接口605也连接至总线604。电子设备600还可以包括连接至I/O接口605的以下部件中的一项或多项:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
本发明还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本发明实施例的方法。
根据本发明的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本发明的实施例,计算机可读存储介质可以包括上文描述的ROM 602和/或RAM 603和/或ROM 602和RAM 603以外的一个或多个存储器。
本发明的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本发明实施例所提供的方法。
在该计算机程序被处理器601执行时执行本发明实施例的系统/装置中限定的上述功能。根据本发明的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分609被下载和安装,和/或从可拆卸介质611被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时,执行本发明实施例的系统中限定的上述功能。根据本发明的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本发明的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本发明的各个实施例中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本发明中。特别地,在不脱离本发明精神和教导的情况下,本发明的各个实施例中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。
以上对本发明的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本发明的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。不脱离本发明的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本发明的范围之内。
Claims (10)
1.一种面向空天异构的时序数据处理方法,其特征在于,包括:
将多模态的输入数据转化为token序列,得到所述输入数据token序列;
对所述输入数据token序列进行随机掩码,得到不同模态的掩码数据;
以所述不同模态的掩码数据为建模目标,预训练多路Transformer模型,得到训练完成的时序数据处理模型。
2.根据权利要求1所述的面向空天异构的时序数据处理方法,其特征在于,所述输入数据包含时序图像、轨迹和时序图像-轨迹的配对数据;
所述训练完成的时序数据处理模型用于预测输入的时序数据所要执行的任务。
3.根据权利要求1所述的面向空天异构的时序数据处理方法,其特征在于,所述多路Transformers模型包括多层多路Transformer块,每层所述多路Transformer块包括用于不同模态的前馈网络池和共享的自注意力模块;
所述用于不同模态的前馈网络池用于处理不同模态的输入数据token序列;
所述共享的自注意力模块用于学习不同模态之间的对齐方式,实现多模态任务的深度融合。
4.根据权利要求3所述的面向空天异构的时序数据处理方法,其特征在于,每层所述多路Transformer块的不同模态的前馈网络池均包括时序图像专家和轨迹专家,最后三层所述多路Transformer块的不同模态的前馈网络池均包括时序图像专家、轨迹专家、时序图像-轨迹配对专家。
5.根据权利要求1所述的面向空天异构的时序数据处理方法,其特征在于,所述将多模态的输入数据转化为token序列,得到所述输入数据token序列包括:
使用跨步时间采样策略,对所述输入数据进行时序采样,得到时序采样序列;
对所述时序采样序列进行联合时空立方体嵌入,得到时空采样序列;
对所述时空采样序列进行轨迹预处理,得到所述输入数据token序列。
6.根据权利要求3所述的面向空天异构的时序数据处理方法,其特征在于,所述输入数据token序列的模态包括时序模态、轨迹模态和时序-轨迹模态;
所述时序模态的输入数据token序列发送给时序图像专家;
所述轨迹模态的输入数据token序列发送给轨迹专家;
所述时序-轨迹模态的输入数据token序列发送给时序-轨迹模态专家。
7.根据权利要求2所述的面向空天异构的时序数据处理方法,其特征在于,所述以所述不同模态的掩码数据为建模目标,预训练多路Transformer模型包括:
以时序模态的掩码数据、轨迹模态的掩码数据和时序-轨迹模态的掩码数据为建模目标,预训练所述多路Transformer模型;
在所述预训练过程中,随机掩码预设比例的时序图像的token序列和轨迹的token序列以重建掩码数据的token序列。
8.一种面向空天异构的时序数据处理装置,其特征在于,包括:
转化模块,用于将多模态的输入数据转化为token序列,得到所述输入数据token序列;
掩码模块,用于对所述输入数据token序列进行随机掩码,得到不同模态的掩码数据;
训练模块,用于以所述不同模态的掩码数据为建模目标,预训练多路Transformer模型,得到训练完成的时序数据处理模型。
9.一种电子设备,包括:
一个或多个处理器;以及
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311450700.6A CN117173517A (zh) | 2023-11-03 | 2023-11-03 | 面向空天异构的时序数据处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311450700.6A CN117173517A (zh) | 2023-11-03 | 2023-11-03 | 面向空天异构的时序数据处理方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117173517A true CN117173517A (zh) | 2023-12-05 |
Family
ID=88939880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311450700.6A Pending CN117173517A (zh) | 2023-11-03 | 2023-11-03 | 面向空天异构的时序数据处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117173517A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581185A (zh) * | 2020-12-28 | 2021-03-30 | 北京明略软件系统有限公司 | 广告用户性别年龄预估方法、系统、计算机和存储介质 |
CN115601485A (zh) * | 2022-12-15 | 2023-01-13 | 阿里巴巴(中国)有限公司(Cn) | 任务处理模型的数据处理方法及虚拟人物动画生成方法 |
CN115860102A (zh) * | 2023-02-10 | 2023-03-28 | 北京百度网讯科技有限公司 | 一种自动驾驶感知模型的预训练方法、装置、设备和介质 |
CN116204694A (zh) * | 2023-02-15 | 2023-06-02 | 北京邮电大学 | 一种基于深度学习与哈希算法的多模态检索方法 |
CN116561570A (zh) * | 2023-03-31 | 2023-08-08 | 北京京东方技术开发有限公司 | 一种多模态模型的训练方法、装置、设备及可读存储介质 |
CN116821684A (zh) * | 2023-07-04 | 2023-09-29 | 北京百度网讯科技有限公司 | 大语言模型的训练方法、装置、设备和介质 |
-
2023
- 2023-11-03 CN CN202311450700.6A patent/CN117173517A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112581185A (zh) * | 2020-12-28 | 2021-03-30 | 北京明略软件系统有限公司 | 广告用户性别年龄预估方法、系统、计算机和存储介质 |
CN115601485A (zh) * | 2022-12-15 | 2023-01-13 | 阿里巴巴(中国)有限公司(Cn) | 任务处理模型的数据处理方法及虚拟人物动画生成方法 |
CN115860102A (zh) * | 2023-02-10 | 2023-03-28 | 北京百度网讯科技有限公司 | 一种自动驾驶感知模型的预训练方法、装置、设备和介质 |
CN116204694A (zh) * | 2023-02-15 | 2023-06-02 | 北京邮电大学 | 一种基于深度学习与哈希算法的多模态检索方法 |
CN116561570A (zh) * | 2023-03-31 | 2023-08-08 | 北京京东方技术开发有限公司 | 一种多模态模型的训练方法、装置、设备及可读存储介质 |
CN116821684A (zh) * | 2023-07-04 | 2023-09-29 | 北京百度网讯科技有限公司 | 大语言模型的训练方法、装置、设备和介质 |
Non-Patent Citations (2)
Title |
---|
我爱计算机视觉: "VideoMAE:南大MCG&腾讯AI Lab提出第一个视频版MAE框架,使用90%甚至95%遮挡,性能SOTA", pages 5 - 7, Retrieved from the Internet <URL:https://blog.csdn.net/moxibingdao/article/details/125025960> * |
极智视界: "极智Paper|性能数据炸裂的多模态模型BEiT-3:Image sa to a Forign Language", pages 3, Retrieved from the Internet <URL:https://it.cha138.com/nginx/show-302102.html> * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11144782B2 (en) | Generating video frames using neural networks | |
CN111782838A (zh) | 图像问答方法、装置、计算机设备和介质 | |
Zhou et al. | Udc 2020 challenge on image restoration of under-display camera: Methods and results | |
CN111782840B (zh) | 图像问答方法、装置、计算机设备和介质 | |
EP3958168A1 (en) | Method and device for identifying video | |
Xie et al. | Multi-scale fusion with matching attention model: A novel decoding network cooperated with NAS for real-time semantic segmentation | |
CN116524121A (zh) | 一种单目视频三维人体重建方法、系统、设备及介质 | |
CN112115744B (zh) | 点云数据的处理方法及装置、计算机存储介质、电子设备 | |
CN113850012B (zh) | 数据处理模型生成方法、装置、介质及电子设备 | |
Xing et al. | MABNet: a lightweight stereo network based on multibranch adjustable bottleneck module | |
Xiong et al. | LD-Net: A lightweight network for real-time self-supervised monocular depth estimation | |
Li et al. | Dconformer: A denoising convolutional transformer with joint learning strategy for intelligent diagnosis of bearing faults | |
CN117173517A (zh) | 面向空天异构的时序数据处理方法、装置、设备及介质 | |
CN113327265B (zh) | 一种基于指导学习策略的光流估计方法和系统 | |
WO2022100140A1 (zh) | 一种压缩编码、解压缩方法以及装置 | |
CN116157804A (zh) | 使用对等注意的神经网络模型 | |
Du et al. | A two‐stage method for single image de‐raining based on attention smoothed dilated network | |
Liu et al. | Stacked residual blocks based encoder–decoder framework for human motion prediction | |
CN117593595B (zh) | 基于人工智能的样本增广方法、装置及电子设备 | |
Wang et al. | LGANet: Local and global attention are both you need for action recognition | |
US20230334902A1 (en) | Method and system for training a machine learning model for face recognition | |
Rajan Warrier et al. | On-board classification of underwater images using hybrid classical-quantum CNN based method | |
Han et al. | A Methodology of AI Learning Model Construction for Intelligent Coastal Surveillance | |
CN117830645A (zh) | 特征提取网络训练方法、装置、设备及介质 | |
Sundaravadivel et al. | Integrating image-based LLMs on edge-devices for underwater robotics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |