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！

龙图腾网获悉西南大学申请的专利基于平衡主动学习和核范数正则化模型的手势识别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：CN120088813B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202510052659.X，技术领域涉及：G06V40/10；该发明授权基于平衡主动学习和核范数正则化模型的手势识别方法是由王丽丹;钟美玲;段书凯设计研发完成，并于2025-01-14向国家知识产权局提交的专利申请。

本基于平衡主动学习和核范数正则化模型的手势识别方法在说明书摘要公布了：一种基于平衡主动学习和核范数正则化模型的手势识别方法，其特征在于：1：构建基于脉冲神经网络的核范数正则化模型；2：采用前置自监督任务和主动学习任务对核范数正则化模型进行训练；3：采集模块采集手势图像数据；4：预处理模块对手势图像数据进行预处理操作；5：编码模块对标准图形数据b进行编码；6：训练好的核范数正则化模型的输入层对编码数据进行卷积操作；7：特征提取模块对卷积数据进行特征提取操作；8：自适应平均池化层对特征数据进行平均池化操作；9：第一全连接层对池化数据进行全连接操作，得到全连接数据；10：输出层对全连接数据进行全连接操作，并输出手势识别结果h。效果：提高了模型的手势识别精准度。

本发明授权基于平衡主动学习和核范数正则化模型的手势识别方法在权利要求书中公布了：1.一种基于平衡主动学习和核范数正则化模型的手势识别方法，其特征在于，包括以下步骤： 步骤1：构建基于脉冲神经网络的核范数正则化模型FNNR，所述核范数正则化模型FNNR设置有依次连接的输入层、隐藏层和输出层，所述隐藏层设置有依次连接的特征提取模块、自适应平均池化层和第一全连接层； 步骤2：采用前置自监督任务A和主动学习任务B对所述核范数正则化模型FNNR进行训练，优化模型参数，得到训练好的核范数正则化模型FNNR； 步骤3：采集模块实时采集手势图像数据a，并传递给预处理模块； 步骤4：所述预处理模块对所述手势图像数据a进行预处理操作，得到标准图形数据b并传递给编码模块； 步骤5：所述编码模块对所述标准图形数据b进行编码，得到编码数据c，并传递给训练好的核范数正则化模型FNNR； 步骤6：训练好的所述核范数正则化模型FNNR的输入层获取所述编码数据c，并对其进行卷积操作，得到卷积数据d，并传递给特征提取模块； 步骤7：所述特征提取模块对所述卷积数据d进行特征提取操作，得到特征数据e，并传递过自适应平均池化层； 步骤8：所述自适应平均池化层对所述特征数据e进行平均池化操作，得到池化数据f，并传递给第一全连接层； 步骤9：所述第一全连接层对所述池化数据f进行全连接操作，得到全连接数据g，并传递给输出层； 步骤10：所述输出层对所述全连接数据g进行全连接操作，并输出手势识别结果h； 在所述步骤2中，所述主动学习任务B包括以下步骤： 步骤B1：计算所述核范数正则化模型FNNR在第r次训练后的损失值LOSS，并根据所述损失值LOSS设定平衡因子μ，然后通过所述平衡因子μ生成对应的子池R是训练总次数； 步骤B2：根据第r次训练的后验概率，从子池中选择K个样本进行标记； 步骤B3：重复步骤B1-B2，当标记样本数量达到标签预算后，即完成训练； 在所述步骤B1中，所述核范数正则化模型FNNR的损失值LOSS计算公式如下： 其中，h＝4，λ表示超参数，LCE为交叉熵损失，‖‖*表示计算核范数的数学符号，表示计算输出值的核范数；θ表示旋转角度； 表示对应为标签yi的概率，表示带标签的数据py,Θ对应为标签y的概率，py,Θ表示带标签的数据，T是脉冲序列的长度。

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南大学，其通讯地址为：400715 重庆市北碚区天生路2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。