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

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。