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！
摘要：本发明公开了一种基于夏普利值引导数据混合的长尾骨架动作识别方法，属于动作识别领域和长尾学习领域。本发明通过夏普利值计算人体骨架数据中不同关节部位的显著性，裁剪尾部类别的显著性运动区域，进行数据混合增强。本发明解决了长尾分布下骨架动作识别准确率低的问题，扩充了尾部类别的数据样本，促进了尾部类别的决策边界学习。本发明通过在线动量更新显著性估计结果，生成更具表示性的混合数据，并采用长尾学习的重加权损失对模型进行优化训练，显著提升了尾部类别的识别效果和模型的泛化能力。
主权项：1.一种基于夏普利值引导数据混合的长尾骨架动作识别方法，其特征在于，包括以下步骤：将带有动作类别标签的人体骨架数据作为训练数据集；将人体骨架数据分为左手臂、右手臂、左腿、右腿和躯干五个身体部位；通过模型预测动作类别，并基于夏普利值对该动作类别下的不同身体部位组合的显著性分数进行估计，得到不同身体部位组合的显著性估计列表；采样两个人体骨架数据s1和s2，比较这两个人体骨架数据各自所属动作类别在训练数据集中的样本数量，对于其中样本数量较少的人体骨架数据s1，从显著性估计列表中获取其显著性分数，基于该显著性分数进行采样，将采样得到的身体部位组合作为待混合的身体部位；将两个人体骨架数据s1和s2进行数据混合，其中将人体骨架数据s1的待混合的身体部位与人体骨架数据s2对应身体部位的剩余身体部位进行组合，得到增强后的混合数据；将没有经过增强的未混合数据和增强后的混合数据分别输入到模型中，对模型进行迭代训练，分别计算交叉熵损失和任一种长尾学习的重加权损失，两种损失之和即为总损失；利用训练好的模型对待预测的人体骨架数据进行动作类别预测，输出动作类别预测结果。
全文数据：
权利要求：
百度查询： 北京大学 一种基于夏普利值引导数据混合的长尾骨架动作识别方法
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