摘要
本发明公开了一种用于游戏的卡顿帧检测方法及系统,涉及计算机技术领域,包括,使用PyTorch融合多模态特征,基于多模态特征通过TCN建模生成时序表示,基于时序表示通过多层感知机结构映射为卡顿概率,使用Focal Loss损失函数优化卡顿概率,并生成卡顿检测结果。通过采用DQN强化学习动态优化帧差阈值,能够自适应游戏场景的复杂性,显著降低误报和漏检率;通过多尺度SE注意力机制和PyTorch融合多模态特征,有效提升特征表达能力和模型鲁棒性;使用TCN时序建模精准捕捉卡顿相关时序模式,并优化不平衡数据下的检测精度,增强卡顿检测在高动态游戏场景下的准确性和实用性。
技术关键词
融合多模态特征
损失函数优化
注意力机制
多层感知机
时序
多尺度
序列
动态
多模态数据采集
游戏场景
参数
语义特征
跨模态数据
融合特征
强度
优化器
双线性插值
系统为您推荐了相关专利信息
支持向量机分类器
热流密度传感器
时序预测模型
相变材料
策略
资源调度优化方法
轻量级监控
容错控制器
特征提取器
策略
视觉特征信息
融合特征
图像分割
注意力机制
语义特征