申请/专利权人：武汉工程大学;湖北文理学院;中国电力科学研究院有限公司

申请日：2024-03-27

公开（公告）日：2024-07-05

公开（公告）号：CN117953590B

主分类号：G06V40/20

分类号：G06V40/20;G06V10/22;G06V10/764;G06V10/80;G06V10/77;G06V10/82;G06N3/0455;G06N3/082

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明涉及一种三元交互动作检测方法、系统、设备及介质，方法包括：获取待测三元关系交互动作图像；确定待测三元关系交互动作图像的降维特征图；为降维特征图上每个预设区域添加位置信息，确定全局信息图；利用预设的多头注意力机制，将全局信息图和预设的查询规则进行融合，确定预测交互动作信息；将预测交互动作信息转换为三元检测框信息和交互动作类别。解决了现有技术无法对三元交互动作信息进行完整的描述，不仅降低了预测出的该交互动作信息的区域范围的准确性，还降低了该交互动作信息对应的交互动作类别的准确性的问题。

主权项：1.一种三元交互动作检测方法，其特征在于，包括：获取待测三元关系交互动作图像；其中，所述三元关系交互动作图像中包含有人、物体和工具的交互动作；确定所述待测三元关系交互动作图像的降维特征图；为所述降维特征图上每个预设区域添加位置信息，确定全局信息图；其中，所述位置信息为所述预设区域在所述降维特征图上的位置；利用预设的多头注意力机制，将所述全局信息图和预设的查询规则进行融合，确定预测交互动作信息；将所述预测交互动作信息转换为三元检测框信息和交互动作类别；所述为所述降维特征图上每个预设区域添加位置信息，确定全局信息图，包括：将所述降维特征图划分为预设数量的图像块；其中，每个图像块作为一个预设区域；对每个所述图像块在所述降维特征图中的位置进行编码，获得所述降维特征图的位置编码；将所述位置编码添加至所述降维特征图中，获得全局信息图；所述利用预设的多头注意力机制，将所述全局信息图和预设的查询规则进行融合，确定预测交互动作信息，包括：将所述全局信息图作为Value，并将所述全局信息图与所述位置编码之和作为Key，以及将所述位置编码与预设的查询规则之和作为Query；获取预设的多头注意力机制的每个头中所述Value对应的第一权重、所述Key对应的第二权重和所述Query对应的第三权重；在每个头中，利用所述Value、所述第一权重、所述Key、所述第二权重、所述Query和所述第三权重，计算所述头的输出信息；将各个输出信息进行拼接，获得拼接信息；对所述拼接信息进行线性变换，获得预测交互动作信息。

全文数据：

权利要求：

百度查询： 武汉工程大学 湖北文理学院 中国电力科学研究院有限公司 一种三元交互动作检测方法、系统、设备及介质

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