買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜南京理工大學(xué)申請(qǐng)的專利基于自適應(yīng)增廣與表示學(xué)習(xí)的半監(jiān)督骨骼動(dòng)作識(shí)別方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114511924B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-06發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202111676997.9，技術(shù)領(lǐng)域涉及：G06V40/20；該發(fā)明授權(quán)基于自適應(yīng)增廣與表示學(xué)習(xí)的半監(jiān)督骨骼動(dòng)作識(shí)別方法是由舒祥波;徐斌倩;葛曉靜設(shè)計(jì)研發(fā)完成，并于2021-12-31向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于自適應(yīng)增廣與表示學(xué)習(xí)的半監(jiān)督骨骼動(dòng)作識(shí)別方法在說明書摘要公布了：本發(fā)明提出一種基于自適應(yīng)增廣與表示學(xué)習(xí)的半監(jiān)督骨骼動(dòng)作識(shí)別方法，包括：輸入包含關(guān)節(jié)、骨骼和差分的原始骨架序列，通過自適應(yīng)增強(qiáng)模塊的增強(qiáng)變換矩陣將其轉(zhuǎn)換為增強(qiáng)骨架序列；通過殘差卷積編碼器中的殘差圖卷積網(wǎng)絡(luò)分別學(xué)習(xí)增強(qiáng)骨架序列和原始骨架序列中三類數(shù)據(jù)各自的表示，然后對(duì)兩組骨架序列中三類數(shù)據(jù)進(jìn)行融合并進(jìn)行統(tǒng)一表示學(xué)習(xí)，得到增強(qiáng)和原始時(shí)空動(dòng)作特征表示；將增強(qiáng)和原始時(shí)空動(dòng)作特征分別輸入到多層感知機(jī)MLP獲取推拉式對(duì)比損失，再通過全連接層獲取計(jì)算識(shí)別損失；推拉式對(duì)比損失和識(shí)別損失相結(jié)合作為X?CAR損失，對(duì)自適應(yīng)增強(qiáng)模塊和殘差圖卷積編碼器進(jìn)行學(xué)習(xí)訓(xùn)練。本方法可有效提高基于半監(jiān)督骨架的動(dòng)作識(shí)別精度。

本發(fā)明授權(quán)基于自適應(yīng)增廣與表示學(xué)習(xí)的半監(jiān)督骨骼動(dòng)作識(shí)別方法在權(quán)利要求書中公布了：1.一種基于自適應(yīng)增廣與表示學(xué)習(xí)的半監(jiān)督骨骼動(dòng)作識(shí)別方法，其特征在于，包括以下步驟：步驟1，輸入包含關(guān)節(jié)、骨骼和差分的原始骨架序列，通過自適應(yīng)增強(qiáng)模塊的增強(qiáng)變換矩陣將其轉(zhuǎn)換為增強(qiáng)骨架序列；步驟2，通過殘差卷積編碼器中的殘差圖卷積網(wǎng)絡(luò)分別學(xué)習(xí)增強(qiáng)骨架序列和原始骨架序列中關(guān)節(jié)、骨骼和差分三類數(shù)據(jù)各自的表示，然后對(duì)兩組骨架序列中三類數(shù)據(jù)進(jìn)行融合并進(jìn)行統(tǒng)一表示學(xué)習(xí)，得到增強(qiáng)時(shí)空動(dòng)作特征和原始時(shí)空動(dòng)作特征表示；步驟3，將增強(qiáng)時(shí)空動(dòng)作特征和原始時(shí)空動(dòng)作特征分別輸入到MLP模塊中獲取推拉式對(duì)比損失，再通過全連接層獲取計(jì)算識(shí)別損失；步驟4，將推拉式對(duì)比損失和識(shí)別損失相結(jié)合作為X-CAR損失，同時(shí)對(duì)自適應(yīng)增強(qiáng)模塊和殘差圖卷積編碼器進(jìn)行學(xué)習(xí)訓(xùn)練；所述殘差圖卷積編碼器由BatchNorm、所述殘差圖卷積網(wǎng)絡(luò)、融合模塊和多個(gè)殘差圖卷積塊連接而成，所述步驟2具體包括：將增強(qiáng)骨架序列和原始骨架序列分別輸入至BatchNorm層與所述殘差圖卷積網(wǎng)絡(luò)對(duì)三種類型數(shù)據(jù)進(jìn)行處理，得到關(guān)節(jié)、骨骼和差分三類數(shù)據(jù)各自的表示，并通過融合模塊進(jìn)行早期融合，得到增強(qiáng)和原始骨架序列的數(shù)據(jù)表示；將得到的增強(qiáng)和原始骨架序列的數(shù)據(jù)表示輸入多個(gè)殘差圖卷積塊，得到兩組序列的時(shí)空動(dòng)作特征表示fa和fb，所述殘差圖卷積塊為6個(gè)；所述X-CAR損失為： 為推拉式對(duì)比損失，為識(shí)別損失。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人南京理工大學(xué)，其通訊地址為：210094 江蘇省南京市孝陵衛(wèi)200號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。