申请/专利权人:北京百度网讯科技有限公司
申请日:2021-07-20
公开(公告)日:2023-01-24
公开(公告)号:CN115641640A
主分类号:G06V40/20
分类号:G06V40/20;G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.02.14#实质审查的生效;2023.01.24#公开
摘要:本公开提供了一种动作识别模型训练方法和装置,涉及计算机视觉、深度学习等技术领域。具体实现方案为:获取预置的样本集;获取预先建立的动作识别网络,动作识别网络包括卷积神经网络、循环神经网络,以及与卷积神经网络相连接、用于对图像属性进行分类的全连接层;执行以下训练步骤:基于从样本集中选取的属性标注样本,采用卷积神经网络和全连接层,计算属性损失值;基于从样本集中选取的动作标注样本,采用卷积神经网络和循环神经网络,计算动作损失值;由属性损失值和动作损失值,得到动作识别网络损失值;响应于动作识别网络满足训练完成条件,则将动作识别网络作为动作识别模型。该实施方式提高了动作识别的准确性。
主权项:1.一种动作识别模型训练方法,所述方法包括:获取预置的样本集,其中,所述样本集包括:属性标注样本和动作标注样本;获取预先建立的动作识别网络,所述动作识别网络包括卷积神经网络、循环神经网络,以及与所述卷积神经网络相连接、用于对图像属性进行分类的全连接层;执行以下训练步骤:基于从所述样本集中选取的属性标注样本,采用所述卷积神经网络和所述全连接层,计算属性损失值;基于从所述样本集中选取的动作标注样本,采用所述卷积神经网络和所述循环神经网络,计算动作损失值;由所述属性损失值和所述动作损失值,得到动作识别网络损失值;响应于所述动作识别网络满足训练完成条件,则将所述动作识别网络作为动作识别模型。
全文数据:
权利要求:
百度查询: 北京百度网讯科技有限公司 动作识别模型训练方法和装置、动作识别方法和装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。