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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD