摘要
本发明涉及一种基于多阶段记忆映射的在线动作检测方法,具体步骤包括:S1,特征提取:利用预训练模型从视频流中提取帧级特征;S2,记忆划分:将提取的特征根据时间分为长期记忆和短期记忆;S3,多级映射记忆编码:对长期记忆采用多阶段映射编码器,包括分段压缩和全局压缩分支,压缩提取关键信息,抑制无关背景;S4,循环解码更新:采用循环解码器对短期记忆进行动态更新,生成未来动作的预判信息;S5,模型训练与优化:通过设计改进损失函数,优化模型中局部特征与全局依赖的融合效果,提升整体检测性能;S6,在线动作检测,基于循环解码更新后的记忆特征实时检测动作,并根据实际的动作标签评估性能。本发明提高了动作检测的准确性和鲁棒性。
技术关键词
在线动作检测
多阶段
二维卷积神经网络
抑制背景噪声
交叉注意力机制
解码器
分支
记忆特征
动态更新
预训练模型
级联
时序依赖关系
联合损失函数
分段
样本
实时视频流
系统为您推荐了相关专利信息
节点
热电联产机组
信息物理系统
热力系统
控制中心
大语言模型
生成系统开发
体育赛事视频
视频分析
生成方法
轨迹特征
历史轨迹数据
轨迹预测方法
高精度地图数据
交通
骨架特征
识别方法
跨模态
非线性归一化方法
交叉注意力机制