龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：南通大学
摘要：本发明提供一种基于多尺度特征与特征回退的人类日常活动识别方法，属于深度学习技术领域。解决了最优周期特征选择与过度拟合的技术问题。其技术方案为：Wiener‑Khinchinetheorem获取最优的周期来构建多尺度输入、时序回退特征提取防止过拟合、一个多尺度重要性加权损失函数调整参数的倾向。本发明的有益效果为：本发明方法与现有的一些基于深度学习方法相比，具有更高的识别准确率。
主权项：1.一种基于多尺度特征与特征回退的人类日常活动识别方法，其特征在于，包括以下步骤：S1、Wiener-Khinchinetheorem评分层筛选最优的尺度：按照随机尺度将原始数据划分，每种尺度划分成多个批次；利用Wiener-Khinchinetheorem计算每一种尺度Patch数据间的相关性评分；挑选Wiener-Khinchine得分前TopK个的尺度，说明数据隐含了该种周期性模式；S2、时序回退特征提取层：接收经过选取的TopK个尺度过后数据，利用参数共享自注意力网络对xscale1、xscale2、…xscalek的数据进行特征编码，得到hscale1、hscale2、…hscalek，这代表了注意力关注到的有效信息；将多尺度输入依次减去对应尺度下的有效信息得到不被关注的无效信息zscale1、zscale2、…zscalek；利用Wiener-Khinchinetheorem衡量zscale1、zscale2、…zscalek内的部分信息并迁移到hscale1、hscale2、…hscalek相同的位置，完成特征回退以防止过度拟合；S3、多尺度融合层：对选取的Topk个尺度的相关性评分进行softmax归一，得到重要性评分；分别将k个尺度下的特征拼接到一起，利用卷积操作通道数降到个；接着应用reshape操作与FC层输出不同类别的预测概率；S4、多尺度重要性加权损失函数：对来自不同尺度下的分类损失，通过归一化权重与每个类别数量的倒数。
全文数据：
权利要求：
百度查询： 南通大学 一种基于多尺度特征与特征回退的人类日常活动识别方法
免责声明
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号