公开(公告)号：CN119169412B

公开(公告)日：2025-03-18

申请号：CN202411595744.2

申请日：2024-11-11

Applicant: 超节点创新科技(深圳)有限公司 ,  华南理工大学

Inventor： 毛玺羽 ,  彭绍武 ,  区士超

IPC: G06V10/774 ,  G06V40/20 ,  G06T15/02

Abstract: 本申请涉及数据集构建技术领域，具体公开了一种构建用于训练动作识别模型的训练数据集的方法。本申请可以利用动作生成大模型根据实际需要生成目标动作实例，根据该目标动作实例获得初始数据集，并借助视觉大模型对初始数据集进行泛化生成增广数据集作为目标训练数据，提高了数据在AI领域的使用价值，解决了传统仿真数据泛化性差、规模小和生成成本高的缺陷；且该生成方法不依赖于人工标注数据避免了因人工经验误差导致的错误标注、不一致标注等问题，解决了人工标注数据难以上规模、精准度差、成本高和效率低的缺陷，提升了数据集的数据规模、准确性、数据泛化性以及构建效率。

公开(公告)号：CN119169412A

公开(公告)日：2024-12-20

申请号：CN202411595744.2

申请日：2024-11-11

Applicant: 超节点创新科技(深圳)有限公司 ,  华南理工大学

Inventor： 毛玺羽 ,  彭绍武 ,  区士超

IPC: G06V10/774 ,  G06V40/20 ,  G06T15/02

Abstract: 本申请涉及数据集构建技术领域，具体公开了一种构建用于训练动作识别模型的训练数据集的方法。本申请可以利用动作生成大模型根据实际需要生成目标动作实例，根据该目标动作实例获得初始数据集，并借助视觉大模型对初始数据集进行泛化生成增广数据集作为目标训练数据，提高了数据在AI领域的使用价值，解决了传统仿真数据泛化性差、规模小和生成成本高的缺陷；且该生成方法不依赖于人工标注数据避免了因人工经验误差导致的错误标注、不一致标注等问题，解决了人工标注数据难以上规模、精准度差、成本高和效率低的缺陷，提升了数据集的数据规模、准确性、数据泛化性以及构建效率。