基于渐进式阈值加权的人体行为识别的模型训练方法

本申请公开了一种基于渐进式阈值加权的人体行为识别的模型训练方法。该方法包括：获取数据集；确定对第一数据属于目标姿态类型的第一预测概率，确定第一预测概率大于初始阈值的数据的第一数量，对第一数量归一化处理，得到目标参数；将目标参数带入预设二次凸函数，根据因变量与初始阈值确定目标阈值；在第一数据中确定第二预测概率大于目标阈值的第二数据；确定第二数据的目标均值和目标方差，利用目标均值和目标方差拟合截断高斯函数，基于截断高斯函数对第二数据进行过滤，得到第一目标数据；利用标记数据以及第一目标数据对深度学习模型进行训练。本申请解决了无法在只使用少量标记数据的情况下对图像进行高精度分类的技术问题。