龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：天津大学
申请日：2024-01-26
公开（公告）日：2024-04-19
公开（公告）号：CN117912118A
主分类号：G06V40/20
分类号：G06V40/20;G06V10/778;G06V10/82;G06V10/764;G06V20/40;G06N3/0455;G06N3/0895
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.07#实质审查的生效;2024.04.19#公开
摘要：本发明涉及一种基于自监督学习的无范例类增量学习动作识别方法及装置，在基础数据集上对自监督学习模型进行训练，得到一个自监督特征提取器ΦSSL；将自监督特征提取器中的特征表示与普通类增量学习特征相结合，生成详细信息，得到一个通用特征提取器Φbase；利用通用特征提取器Φbase对新任务的视频数据进行处理，得到每个视频的特征向量；增量学习数据处理方法将当前会话的分类器与旧任务的分类器结合，利用新任务的数据和旧任务的伪数据进行训练，得到通用的分类器，利用通用的分类器识别视频中每个动作的种类，对视频进行分类。本发明增强了骨干网络的特征提取能力，提高了数据的稳定性和私密性。
主权项：1.一种基于自监督学习的无范例类增量学习动作识别方法，其特征在于，包括三个数据处理方法，分别为自监督学习数据处理方法、知识蒸馏数据处理方法及增量学习数据处理方法，首先，在基础数据集上对自监督学习模型进行训练，得到一个自监督特征提取器ΦSSL；然后，将自监督特征提取器中的特征表示与普通类增量学习特征相结合，生成详细信息，得到一个通用特征提取器Φbase；利用通用特征提取器Φbase对新任务的视频数据进行处理，得到每个视频的特征向量；增量学习数据处理方法将当前会话的分类器与旧任务的分类器结合，利用新任务的数据和旧任务的伪数据进行训练，得到通用的分类器，利用通用的分类器识别视频中每个动作的种类，对视频进行分类。
全文数据：
权利要求：
百度查询： 天津大学 一种基于自监督学习的无范例类增量学习动作识别方法及装置
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