欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021114714350
申请人: 河南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种针对行为识别的基于自监督少样本学习的动作序列分割方法,其特征在于,包括:

步骤1:构建自监督的少样本动作序列分割框架SFTSeg;该框架基于孪生神经网络,以源传感器的标记样本、目标传感器的标记样本、目标传感器的未标记样本作为输入数据;其中,所述源传感器的标记样本和目标传感器的标记样本对应有四个状态标签,分别为静止状态、开始状态、运动状态和结束状态;所述样本指的是从传感器数据中得出的动作序列;

步骤2:对于所述源传感器的标记样本,构建交叉熵损失函数进行孪生神经网络训练;

步骤3:对于所述目标传感器的标记样本,将所述源传感器的标记样本作为扰动,并将该扰动注入所述目标传感器的标记样本中作为增强数据,构建一致性正则化损失函数进行孪生神经网络训练;

步骤4:基于所述目标传感器的未标记样本构建正样本对和负样本对,并基于此构建自监督损失函数来训练孪生神经网络,以使孪生神经网络能够捕获目标传感器的未标记样本的特征;

步骤5:通过步骤1‑4得到训练好的SFTSeg,将目标传感器的样本作为测试样本输入训练好的SFTSeg,训练好的SFTSeg首先预测测试样本的状态标签,然后根据预测的状态标签对测试样本进行活动分割。

2.根据权利要求1所述的一种针对行为识别的基于自监督少样本学习的动作序列分割方法,其特征在于,所述步骤3包括:按照如下规则构建增强数据:

A.作为扰动的压缩后的源传感器的标记样本与目标传感器的标记样本具有相同的类别;

B.根据翘曲路径将压缩后的源传感器的标记样本添加到目标传感器的标记样本中;所述翘曲路径通过动态时间规整算法生成。

3.根据权利要求1所述的一种针对行为识别的基于自监督少样本学习的动作序列分割方法,其特征在于,所述步骤4包括:采用滑动窗口将动作序列离散为固定大小为w的重叠窗口,其中滑动步长为l;

如果两个窗口符合以下约束条件,则将其视为正样本对:两个窗口相邻;两个窗口包含相同数量的变化点,并且两个窗口的差异不包含任何变化点;

如果两个窗口符合以下约束条件,则将其视为负样本对:两个窗口的间隔大于给定的最小时间距离;两个窗口包含不同数量的变化点;所述变化点为动作序列行为突然变化的时间点。

4.根据权利要求3所述的一种针对行为识别的基于自监督少样本学习的动作序列分割方法,其特征在于,所述步骤4还包括:对于正样本对,首先计算一个正样本对的差异集的SEP分数,然后根据SEP分数过滤正样本对;

对于负样本对,将负样本对的每个样本分成h个不相交的部分,然后计算所有两个连续部分的SEP分数,得到负样本对的每个样本的最高SEP分数;然后,根据负样本对的每个样本的最高SEP分数计算负样本对的相异性得分;剔除相异性得分较低的负样本对。