申请/专利权人：香港科技大学(广州)

申请日：2023-12-25

公开（公告）日：2024-04-16

公开（公告）号：CN117894068A

主分类号：G06V40/20

分类号：G06V40/20;G06V20/40;G06V10/82;G06N3/092

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本申请公开了运动数据处理方法、关键帧提取模型的训练方法及装置，涉及计算机技术领域。运动数据处理方法中首先获取包括多个数据帧的运动序列，然后将运动序列输入预先训练的关键帧提取模型进行关键帧提取，得到目标关键帧。其中，关键帧提取模型为深度强化学习模型，用于计算每个数据帧对应的回报值，并给予回报值选取目标关键帧。最后利用目标关键帧对运动序列中其他数据帧进行重建，得到数据帧对应的重建帧，并给予重建帧和目标关键帧得到运动序列的重建序列。由此通过深度强化学习模型对运动序列进行关键帧提取，基于数据帧的回报值选取目标关键帧，即可根据目标关键帧对运动序列进行重建，有效提高关键帧的提取效率和准确率。

主权项：1.一种运动数据处理方法，其特征在于，包括：获取包括多个数据帧的运动序列；将所述运动序列输入预先训练的关键帧提取模型进行关键帧提取，得到所述运动序列的目标关键帧；所述关键帧提取模型为深度强化学习模型，用于计算每个所述数据帧对应的回报值，并基于所述回报值选取所述目标关键帧；利用所述目标关键帧对所述运动序列中其他数据帧进行重建，得到所述数据帧对应的重建帧，并基于所述重建帧和所述目标关键帧得到所述运动序列的重建序列。

全文数据：

权利要求：

百度查询： 香港科技大学(广州) 运动数据处理方法、关键帧提取模型的训练方法及装置

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