恭喜重庆邮电大学钱鹰获国家专利权
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!
龙图腾网恭喜重庆邮电大学申请的专利一种针对小样本场景的行为迁移学习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:CN116778570B 。
龙图腾网通过国家知识产权局官网在2025-06-03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:202310508297.1,技术领域涉及:G06V40/20;该发明授权一种针对小样本场景的行为迁移学习识别方法是由钱鹰;郑钧予;刘歆;万邦睿;吴钒;林森;吴治中;刘苏设计研发完成,并于2023-05-08向国家知识产权局提交的专利申请。
本一种针对小样本场景的行为迁移学习识别方法在说明书摘要公布了:本发明涉及一种针对小样本场景的行为迁移学习识别方法,属于机器视觉技术领域,包括以下步骤:S1:构建正样本数据集,其包括数据丰富的源域正样本数据集和小样本的目标域正样本数据集;S2:将正样本数据集进行空间信息变换和时序信息打乱,以构建负样本数据集;S3:构建基于SlowFast改进的行为识别迁移学习模型,增强视频的时序信息并实现从源域向目标域迁移的功能;S4:使用源域和目标域的正样本数据集与负样本数据集对所述基于SlowFast改进的行为识别迁移学习模型进行训练,以获得在目标域上泛化的行为识别模型;S5:利用训练完成行为识别模型在实际场景中进行行为识别。
本发明授权一种针对小样本场景的行为迁移学习识别方法在权利要求书中公布了:1.一种针对小样本场景的行为迁移学习识别方法,其特征在于:包括以下步骤:S1:构建正样本数据集,其包括数据丰富的源域正样本数据集和小样本的目标域正样本数据集;S2:将正样本数据集进行空间信息变换和时序信息打乱,以构建负样本数据集;S3:构建基于SlowFast改进的行为识别迁移学习模型,增强视频的时序信息并实现从源域向目标域迁移的功能;构建基于SlowFast的迁移学习模型,具体包括以下步骤:S31:基于孪生神经网络的网络架构,将模型分为共享权重的两个子网络network1与network2,两个子网络都是SlowFast模型结构;源域正样本数据集Source_Pos与源域负样本数据集Source_Neg作为network1的输入,目标域正样本数据集Target_Pos与目标域负样本数据集Target_Neg作为network2的输入;在经过SlowFast的特征提取部分后,得到输出特征f1={feature1,d,b,y},其中feature1是输入样本经过SlowFast特征提取后得到的特征张量;S32:将步骤S31中的特征f1送入全链接层fc6中,得到输出特征f2={feature2,d,b,y},feature2是feature1经过fc6到得到的特征张量;计算域内的正负样本损失以增强视频的时序信息与人物的动作信息,损失函数公式如下: 其中,xi,xj,xp={feature2,d,b,y}为不同的输入样本,其包含一个特征张量feature2与d,y,b三个标签;S为batchsize大小,控制对比样本的数量;为指示函数,当输入是True时,返回1,否则返回0;表示当样本xi与xj的类别标签y相同且正负样本标签b=1时,返回True,否则返回False;Θ{a,B}为余弦相似性,用于度量特征间的距离,公式如下: 其中,τ为超参数;S33:在fc6层后加入全连接层fc7,f2通过fc7后得到输出特征f3={feature3,d,b,y};计算源域与目标域的域间损失以实现源域向小样本目标域迁移的目的,损失函数公式如下: 其中,xh,xl,xt={feature3,d,b,y}为不同的输入样本,其包含一个特征张量feature3与d,y,b三个标签;ρh,t表示当样本xh与xt的域标签d不同且正负样本标签b=1时,返回True,否则返回False;S34:在fc7层后加入全连接层fc8,f3通过fc8后得到输出特征f4,对其使用交叉熵函数求得分类损失模型的总损失为S4:使用源域和目标域的正样本数据集与负样本数据集对所述基于SlowFast改进的行为识别迁移学习模型进行训练,以获得在目标域上泛化的行为识别模型;S5:利用训练完成行为识别模型在实际场景中进行行为识别。
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重庆邮电大学,其通讯地址为:400065 重庆市南岸区黄桷垭崇文路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”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。