申请/专利权人:北京京东尚科信息技术有限公司
申请日:2022-09-19
公开(公告)日:2023-01-24
公开(公告)号:CN115641643A
主分类号:G06V40/20
分类号:G06V40/20;G06V10/82;G06V10/774;G06V10/77;G06V10/62;G06N3/0464;G06N3/049;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:本发明公开了一种步态识别模型的训练方法、步态识别方法、装置及设备。该方法包括:将获取到的训练步态序列输入到初始步态识别模型中,通过初始步态识别模型中的预处理网络,基于输入的训练步态序列,输出训练序列特征;基于空间特征提取网络以及输入的训练序列特征,确定空间步态特征,以及基于时间特征提取网络以及输入的训练序列特征,确定时间步态特征;其中,空间特征提取网络和时间特征提取网络均采用二维卷积模块;通过特征重映射网络,基于空间步态特征和时间步态特征,输出预测结果;基于预测结果和标准结果,对初始步态识别模型的模型参数进行调整,得到训练完成的目标步态识别模型。本发明实施例解决了模型难以训练的问题。
主权项:1.一种步态识别模型的训练方法,其特征在于,包括:将获取到的训练步态序列输入到初始步态识别模型中,并通过所述初始步态识别模型中的预处理网络,基于输入的所述训练步态序列,输出训练序列特征;基于所述初始步态识别模型中的空间特征提取网络以及输入的所述训练序列特征,确定空间步态特征,以及基于所述初始步态识别模型中的时间特征提取网络以及输入的所述训练序列特征,确定时间步态特征;其中,所述空间特征提取网络和所述时间特征提取网络均采用二维卷积模块;通过所述初始步态识别模型中的特征重映射网络,基于输入的所述空间步态特征和时间步态特征,输出预测结果;基于所述预测结果和标准结果,对所述初始步态识别模型的模型参数进行调整,得到训练完成的目标步态识别模型。
全文数据:
权利要求:
百度查询: 北京京东尚科信息技术有限公司 步态识别模型的训练方法、步态识别方法、装置及设备
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。