-
公开(公告)号：CN113762082A
公开(公告)日：2021-12-07
申请号：CN202110908006.9
申请日：2021-08-09
Applicant: 同济大学
Abstract: 本发明涉及一种基于循环图卷积自动编码器的无监督骨架动作识别方法，其特征在于，包括：将人体骨架动作序列输入至循环图卷积编码器；循环图卷积编码器输出得到动作序列的表征向量；通过加权最近邻分类算法计算动作序列的表征向量得到人体骨架动作序列的识别类别；循环图卷积编码器包括：多层空间关节注意力模块，用于结合人体骨架动作序列和循环图卷积编码器的隐藏层，自适应衡量不同动作不同关节的重要性，得到加权的骨架序列；多层图卷积门控循环单元层，用于整合加权的骨架序列的连接关系特征，得到动作序列的表征向量。与现有技术相比，本发明可以显著提升无监督动作识别系统的识别精度，具有广阔的应用前景。
-
公开(公告)号：CN115080781B
公开(公告)日：2024-11-12
申请号：CN202210571972.0
申请日：2022-05-24
Applicant: 同济大学
IPC: G06F16/583 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明涉及一种基于深度哈希的类别失衡图像分层检索方法，包括：S1、获取训练数据集输入到网络模型的特征提取模块，经多个卷积层处理后得到图像的高维特征向量；S2、高维特征向量输入到网络模型的隐含层，隐含层根据高维特征向量来学习图像的特征表示，同时输出图像对应的近似哈希码；S3、近似哈希码经激活函数与量化处理后形成离散的二进制串，作为最终哈希码输入到隐含层的分类层中，分类层通过二次检索方法计算出图库中对应的图像，完成分类模型的训练；S4、将待检索图像输入到完成训练的分类模型中，输出待检索图像在图库中对应的图像。与现有技术相比，本发明具有提高图像检索精度，减少模型参数量，使模型移植、存储更为方便等优点。
-
公开(公告)号：CN113762082B
公开(公告)日：2024-02-27
申请号：CN202110908006.9
申请日：2021-08-09
Applicant: 同济大学
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/042 , G06N3/088 , G06N3/0442
Abstract: 本发明涉及一种基于循环图卷积自动编码器的无监督骨架动作识别方法，其特征在于，包括：将人体骨架动作序列输入至循环图卷积编码器；循环图卷积编码器输出得到动作序列的表征向量；通过加权最近邻分类算法计算动作序列的表征向量得到人体骨架动作序列的识别类别；循环图卷积编码器包括：多层空间关节注意力模块，用于结合人体骨架动作序列和循环图卷积编码器的隐藏层，自适应衡量不同动作不同关节的重要性，得到加权的骨架序列；多层图卷积门控循环单元层，用于整合加权的骨架序列的连接关系特征，得到动作序列的表征向量。与现有技术相比，本发明可以显著提升无监督动作识别系统的识别精度，具有广阔的应用前景。
-
公开(公告)号：CN115080781A
公开(公告)日：2022-09-20
申请号：CN202210571972.0
申请日：2022-05-24
Applicant: 同济大学
IPC: G06F16/583 , G06N3/04 , G06N3/08 , G06V10/40 , G06V10/764 , G06V10/774
Abstract: 本发明涉及一种基于深度哈希的类别失衡图像分层检索方法，包括：S1、获取训练数据集输入到网络模型的特征提取模块，经多个卷积层处理后得到图像的高维特征向量；S2、高维特征向量输入到网络模型的隐含层，隐含层根据高维特征向量来学习图像的特征表示，同时输出图像对应的近似哈希码；S3、近似哈希码经激活函数与量化处理后形成离散的二进制串，作为最终哈希码输入到隐含层的分类层中，分类层通过二次检索方法计算出图库中对应的图像，完成分类模型的训练；S4、将待检索图像输入到完成训练的分类模型中，输出待检索图像在图库中对应的图像。与现有技术相比，本发明具有提高图像检索精度，减少模型参数量，使模型移植、存储更为方便等优点。
-
-
-
Search Results
4
records
(took 0.016 seconds)
