申请/专利权人：长春工业大学

申请日：2023-12-12

公开（公告）日：2024-03-01

公开（公告）号：CN117636475A

主分类号：G06V40/20

分类号：G06V40/20;G06V20/40;G06V10/82;G06N3/0464;G06V10/40;G06V10/80;G06V10/774;G06V10/764

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明属于图像处理与计算机视觉技术领域，具体涉及一种基于改进3DSE注意力机制的花样滑冰动作检测算法，该方法基于YOWO网络，该网络分别将RGB视频连续帧和RGB关键帧信息输入到时序检测模块和空间检测模块进行处理；在时序检测模块中，引入注意力机制3DSE模块来提升模型对通道特征的敏感性，同时在3DSE注意力机制的池化层前添加连续的3D深度可分离卷积和残差连接，使网络更加关注浅层和深层的特征信息，确保关键信息被保留，从而提升3D卷积网络的时空特征提取能力；在空间检测模块中，用YOLOV2进行空间特征提取；然后将时空特征和空间特征进行特征融合，最后对这些融合特征进行检测，得到该视频目标行为所属的类别、持续时间和位置信息。

主权项：1.基于改进3DSE注意力机制的花样滑冰动作检测算法，其特征在于，包括以下步骤：Step1：获取花样滑冰动作识别视频数据集，依据AVA数据集标注格式对花样滑冰数据集进行改动，使其能够成功运行在YOWO网络结构中；Step2：在时序检测模型中，采用的是3D-Resnext-101提取连续16帧的花样滑冰时空特征，引入了3DSE注意力机制和连续的3D深度可分离卷积；Step3：在空间检测模型中，采用Darknet-19作为空间特征提取模块基础网络，进行关键帧的花样滑冰动作特征提取；Step4：使用自注意力机制将所提取的时空特征进行通道融合，最后由边框盒回归并输出检测结果。

全文数据：

权利要求：

百度查询： 长春工业大学 一种基于改进3DSE注意力机制的花样滑冰动作检测算法

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