[发明专利]基于深度学习的弱监督视频时序动作定位的方法及系统有效
| 申请号： | 201911296268.3 | 申请日： | 2019-12-16 |
| 公开（公告）号： | CN111079646B | 公开（公告）日： | 2023-06-06 |
| 发明（设计）人： | 李冠彬;刘劲;林倞 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06V20/40 | 分类号： | G06V20/40;G06V40/20;G06V10/764;G06V10/82;G06N3/0464;G06N3/0442;G06N3/048;G06N3/0895 |
| 代理公司： | 广州容大知识产权代理事务所(普通合伙) 44326 | 代理人： | 刘新年 |
| 地址： | 510275 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的弱监督视频时序动作定位方法及系统，该方法包括：S1，提取视频中当前帧及前一帧，利用光流估算网络提取光流，并连同等间隔对视频采样的帧输入双流动作识别网络提取视频特征；S2，将视频特征进行语义一致性建模，获得嵌入特征；S3，训练分类模块将嵌入特征映射到类激活序列；S4，采用注意力模块更新视频特征；S5，将更新后的视频特征作为下一次循环的输入，重复S2‑S4直到停止；S6，将每次循环产生的类激活序列融合，计算估计的动作类别与真实类别标签的分类损失；S7，将每次循环的嵌入特征融合计算动作特征间的相似性损失；S8，根据分类损失及相似性损失得到目标损失，更新系统模型参数。 | ||
| 搜索关键词： | 基于 深度 学习 监督 视频 时序 动作 定位 方法 系统 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911296268.3/，转载请声明来源钻瓜专利网。
- 上一篇：图像处理方法、装置、计算机存储介质及电子设备
- 下一篇：一种淋浴房的快装框架
