基于时序扰动与学习稳定化的半监督细粒度动作识别方法

本发明提出了一种基于时序扰动与学习稳定化的半监督细粒度动作识别方法，针对半监督细粒度动作识别这一具有高度挑战性任务，该方法以FixMatch半监督学习体系为基础，提出了半监督学习细粒度动作识别算法框架SeFAR。该方法提出双级时序元素采样方法，结合了细粒度时序元素与时序上下文，能够有效捕捉多粒度的时序信息，以增强区分视频中细微动作的能力；并且考虑时序动态的重要性并设计新的“强增强”策略，在获得的细粒度时序元素中引入适度的时序扰动，同时保持上下文元素的时序顺序，从而构建更适合细粒度动作识别任务的弱‑强增强对比数据对；此外，该方法还设计了自适应学习调节策略，通过计算自适应系数来调整训练中反传的损失，以稳定训练过程。