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：浙江工业大学

摘要：一种基于元学习的少样本行为识别方法，包括以下步骤：1视频数据集分为元训练集和元测试集，从元训练集中抽取多组支持集和询问集用于训练模型，从元测试集中抽取多组支持集和询问集用于测试模型；2使用浅层三维卷积神经网络提取支持集和询问集的视频特征；3构建一种元学习网络，用于对支持集进行建模，生成步骤2中浅层三维卷积神经网络参数；4对步骤2提取到的视频特征进行二阶变换和归一化处理；5将处理后的支持集和询问集视频特征进行拼接，采用多层二维卷积神经网络提取询问集和支持集视频特征之间的非线性距离关系，对训练集视频进行分类。本发明具有较好的任务间泛化能力以及对新视频行为的识别准确率。

主权项：1.一种基于元学习的少样本行为识别方法，其特征在于，所述方法包括以下步骤：1将视频数据集分为元训练集和元测试集，从元训练集中抽取多组支持集和询问集用于训练模型，从元测试集中抽取多组支持集和询问集用于测试模型；2使用浅层三维卷积神经网络提取支持集和询问集的视频特征；3构建一种元学习网络，用于对支持集进行建模，生成步骤2中浅层三维卷积神经网络参数；4对步骤2提取到的视频特征进行二阶变换和归一化处理；5将处理后的支持集和询问集视频特征进行拼接，采用多层二维卷积神经网络提取询问集和支持集视频特征之间的非线性距离关系，对训练集视频进行分类；所述步骤1中，视频数据集的划分过程包括：将视频数据集划分为元训练集Dmeta-train和元测试集Dmeta-test，在训练过程中，每轮从Dmeta-train随机抽取N个不同的类，每类有K个不同样本组成支持集再从剩余Dmeta-train中随机抽取这N个类中的样本组成询问集在测试过程中，对Dmeta-test做同样的操作；所述步骤3中，元学习网络生成步骤2中浅层三维卷积网络参数的过程如下：将输入由三维卷积网络组成的任务编码器E，得到任务的概率分布，将任务表示成条件概率分布模型得到任务特征向量t，如式1，2： 式中q是条件概率分布，是正态分布；然后使用单层全连接神经网络g生成步骤2中三维卷积的网络参数θ，如式3所示：θ＝gt3将式3中得到的网络参数作正则化处理，如式4： 所述步骤2中浅层三维卷积网络fθ使用由步骤3中元学习网络生成的参数θ，提取视频特征，视频特征表示计算为：w＝fθx5式中x是视频片段，并且x∈RC×T×H×W，w是视频特征，且w∈RC'×T'×H'×W'。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于元学习的少样本行为识别方法