一种基于自监督学习模型的在线轨迹点识别方法

本发明提供了一种基于自监督学习模型的在线轨迹点识别方法，属于深度学习技术领域，包括：获取训练集中的无标签样本数据对自监督学习模型进行预训练，获取掩码编码器；将自监督学习模型中掩码编码器的参数迁移至端到端分类模型的编码器，并通过连接分类头，搭建初始端到端分类模型，通过训练集中少量的有标签样本数据对初始端到端分类模型训练，获取端到端分类模型；端到端分类模型中的编码器，对预设时间周期内获取的在线轨迹点的参数信息进行特征提取，通过分类头预测，获取轨迹点识别结果。上述方法基于自监督学习模型和端到端分类模型，便可实现对在线轨迹点的识别，在提高轨迹点识别效率的同时，实现了对复杂轨迹点的识别。