一种识别运动与日常活动的模型构建方法及装置

本申请提供了一种识别运动与日常活动的模型构建方法及装置，方法包括：采集用户生理信号数据并进行数据处理；基于专家标注和机器标注模型自动标注方式进行数据标注；将标注后的生理信号数据作为输入数据输入深层卷积神经网络，提取出运动与日常活动对应的时空特征；深层卷积神经网络为在深度学习框架下，由多个卷积层和池化层共同组成的堆叠结构而形成的深层网络；将经过多层卷积、池化和残差连接处理后的特征图送入全连接层；基于卷积块注意力机制对低维特征向量进行关键特征增强处理，且将经过卷积块注意力模块处理的特征向量输入到深度学习模型中进行模型训练，实现识别运动与日常活动的模型构建，本申请方案提高了数据准确性和纯净度。