一种融合多模态时频特征的牛行为深度学习分类方法

本发明涉及深度学习技术领域，尤其涉及一种融合多模态时频特征的牛行为深度学习分类方法，包括：采集动物头部和颈部肌肉加速度值数据集，对数据集进行预处理；利用FMD模块和FFT模块分别对加速度值进行特征提取，并将两个提取的特征进行融合；将融合后的时频特征输入多尺度时频特征分析网络；利用分类器进行分类。本发明解决现有方法在牛行为分类时在特征提取和模型设计仍需进一步优化的问题。