摘要
本发明提供一种骨架行为识别模型训练方法、系统、计算机设备和存储介质,其中方法包括对骨架数据进行数据增强,得到骨架序列;提取骨架序列的时间初始特征和空间初始特征;对时间初始特征和空间初始特征进行特征提取,得到最终的时间特征和空间特征;根据最终的时间特征和空间特征构建骨架行为识别模型的损失函数;利用损失函数对骨架行为识别模型进行迭代训练,当损失函数值收敛至预设范围时,对应的骨架行为识别模型作为最终的骨架行为识别模型。本发明通过骨架数据增强策略与初始特征提取,生成多粒度时空特征,结合多粒度和跨层次对比损失机制,提升模型对复杂行为的识别能力,无需大量标注数据即可实现高效学习,具备较强的鲁棒性。
技术关键词
编码器
识别模型训练方法
序列
特征提取模块
样本
数据
ReLU函数
翻转方式
计算机设备
网络
矩阵
关节
采样模块
特征提取单元
模型训练模块
存储计算机程序
表达式
处理器
系统为您推荐了相关专利信息
土地利用分类方法
分布特征
路网矢量数据
兴趣点
遥感影像特征
遥感时间序列数据
分辨率遥感影像
全卷积神经网络
林区
变化检测模型
涌水量预测方法
掌子面
富水隧道
隧道涌水量
特征分级
注意力机制
识别方法
编码器
深层特征提取
雷达散射截面
肠镜
图像增强模型
图像增强方法
生成对抗网络
编码器