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！

龙图腾网恭喜南京理工大学申请的专利基于自适应增广与表示学习的半监督骨骼动作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：CN114511924B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202111676997.9，技术领域涉及：G06V40/20；该发明授权基于自适应增广与表示学习的半监督骨骼动作识别方法是由舒祥波;徐斌倩;葛晓静设计研发完成，并于2021-12-31向国家知识产权局提交的专利申请。

本基于自适应增广与表示学习的半监督骨骼动作识别方法在说明书摘要公布了：本发明提出一种基于自适应增广与表示学习的半监督骨骼动作识别方法，包括：输入包含关节、骨骼和差分的原始骨架序列，通过自适应增强模块的增强变换矩阵将其转换为增强骨架序列；通过残差卷积编码器中的残差图卷积网络分别学习增强骨架序列和原始骨架序列中三类数据各自的表示，然后对两组骨架序列中三类数据进行融合并进行统一表示学习，得到增强和原始时空动作特征表示；将增强和原始时空动作特征分别输入到多层感知机MLP获取推拉式对比损失，再通过全连接层获取计算识别损失；推拉式对比损失和识别损失相结合作为X‑CAR损失，对自适应增强模块和残差图卷积编码器进行学习训练。本方法可有效提高基于半监督骨架的动作识别精度。

本发明授权基于自适应增广与表示学习的半监督骨骼动作识别方法在权利要求书中公布了：1.一种基于自适应增广与表示学习的半监督骨骼动作识别方法，其特征在于，包括以下步骤：步骤1，输入包含关节、骨骼和差分的原始骨架序列，通过自适应增强模块的增强变换矩阵将其转换为增强骨架序列；步骤2，通过残差卷积编码器中的残差图卷积网络分别学习增强骨架序列和原始骨架序列中关节、骨骼和差分三类数据各自的表示，然后对两组骨架序列中三类数据进行融合并进行统一表示学习，得到增强时空动作特征和原始时空动作特征表示；步骤3，将增强时空动作特征和原始时空动作特征分别输入到MLP模块中获取推拉式对比损失，再通过全连接层获取计算识别损失；步骤4，将推拉式对比损失和识别损失相结合作为X-CAR损失，同时对自适应增强模块和残差图卷积编码器进行学习训练；所述残差图卷积编码器由BatchNorm、所述残差图卷积网络、融合模块和多个残差图卷积块连接而成，所述步骤2具体包括：将增强骨架序列和原始骨架序列分别输入至BatchNorm层与所述残差图卷积网络对三种类型数据进行处理，得到关节、骨骼和差分三类数据各自的表示，并通过融合模块进行早期融合，得到增强和原始骨架序列的数据表示；将得到的增强和原始骨架序列的数据表示输入多个残差图卷积块，得到两组序列的时空动作特征表示fa和fb，所述残差图卷积块为6个；所述X-CAR损失为： 为推拉式对比损失，为识别损失。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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”。