Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜南京大学;无锡南创数智发展研究院有限公司胡广伟获国家专利权

恭喜南京大学;无锡南创数智发展研究院有限公司胡广伟获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜南京大学;无锡南创数智发展研究院有限公司申请的专利移动端双解耦网络长尾活动识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN117272144B

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202311277982.4,技术领域涉及:G06F18/241;该发明授权移动端双解耦网络长尾活动识别方法是由胡广伟;滕起;卢苏海;王西子设计研发完成,并于2023-09-28向国家知识产权局提交的专利申请。

移动端双解耦网络长尾活动识别方法在说明书摘要公布了:本发明公开了移动端双解耦网络长尾活动识别方法,具体包括以下步骤:采集动作信号,获取训练集;将所述训练集输入双解耦网络模型,并通过移动可穿戴识别装置实现长尾活动识别;其中,所述双解耦网络模型由神经网络构建并在训练阶段和测试阶段分别进行解耦。本发明通过训练阶段的解耦,即特征提取和活动分类的分离,采用多分支拓扑结构来增强模型的特征提取能力,同时分类器阶段的权重微调可以有效提升模型对长尾分布识别的性能;在本发明中,训练阶段和测试阶段的解耦显著降低了模型参数量,有助于降低可穿戴识别设备的硬件需求,并提高活动识别的实时性。

本发明授权移动端双解耦网络长尾活动识别方法在权利要求书中公布了:1.移动端双解耦网络长尾活动识别方法,其特征在于,具体包括以下步骤:采集动作信号,获取训练集;采集所述动作信号,获取所述训练集包括:通过移动可穿戴识别装置采集所述动作信号,对所述动作信号进行预处理和数据划分,获取所述训练集,并根据同步录制的采集视频时间戳标注对应的动作类型;将所述训练集输入双解耦网络模型,并通过移动可穿戴识别装置实现长尾活动识别;其中,所述双解耦网络模型由神经网络构建并在训练阶段和测试阶段分别进行解耦;所述双解耦网络模型包括三层拓扑结构的卷积块和一层全连接分类输出层,其中,每个所述卷积块分别包含卷积层、批量归一化层,并采用ReLU激活函数,其中,所述卷积块在训练阶段用于提取活动数据的特征信息,测试阶段在用于前向推理;所述全连接分类输出层用于输出分类;所述训练阶段的计算方法包括权重参数的最小化和微调,分别为类平衡误差函数最小化、L2惩罚项微调、MaxNorm限制项微调;所述类平衡误差函数最小化形式为:W*=argminCBfxi;w,yi所述L2惩罚项微调的函数形式为: 所述MaxNorm限制项微调的函数形式为: 其中,W*为全连接层的总体权重参数,argmin为取得最小值函数,CB表示类平衡误差函数,f为全连接层的映射函数,xi为每个批次的活动数据矩阵,w为对应xi的权重参数,yi为真实标签,k是控制衰减度的超参数,s.t.表示受限于权重w的二范数应小于阈值r2值;所述测试阶段的计算方法为结构化重参数;所述结构化重参数为: 其中,Fl表示第l输出特征,表示卷积操作,W为卷积层的权重参数,μ为批量归一化层BN的累计平均值,σ为批量归一化层BN的标准偏差,γ为批量归一化层BN的学习缩放因子,β为批量归一化层BN的偏差,W'、b'分别为结构化重参数转化后的卷积网络权重和偏执项,γi为第i层批量归一化中的标准偏差,σi为第i层批量归一化中的学习缩放因子,βi为第i层批量归一化中的偏差;所述双解耦网络模型在训练阶段和测试阶段分别进行解耦包括:所述双解耦网络模型在所述训练阶段进行解耦包括第一阶段和第二阶段;多分支特征学习阶段实现利用交叉熵损失和权重衰减,以及多分支主干网络的特征学习,即所述第一阶段为特征学习阶段,通过多分支拓扑结构提取数据抽象特征;分类器微调阶段,通过类平衡损失、权重衰减和MaxNorm共同调节实现,即所述第二阶段为分类器学习,用于训练时的输出分类;所述双解耦网络模型在所述测试阶段进行解耦包括:当所述双解耦网络模型的训练精度满足阈值条件时,通过所述结构化重参数将多分支拓扑结构的卷积网络转化为单分支结构;将所述训练集输入所述双解耦网络模型,并通过所述移动可穿戴识别装置实现长尾活动识别包括:将所述训练集输入所述双解耦网络模型进行训练,判断所述双解耦网络模型的训练精度,并获取训练后的双解耦网络模型参数;当所述双解耦网络模型的训练精度满足所述阈值条件时,结束训练,获取所述训练后的双解耦网络模型参数,并通过多维数组形式进行保存;当所述双解耦网络模型的训练精度不满足所述阈值条件时,通过所述移动端双解耦网络模型的超参数进行调节;将所述训练后的双解耦网络模型参数输入所述移动可穿戴识别装置进行数据加载,实现长尾活动识别;所述移动可穿戴识别装置包括具有神经网络处理单元的移动可穿戴识别装置。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南京大学;无锡南创数智发展研究院有限公司,其通讯地址为:210023 江苏省南京市栖霞区仙林大道163号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

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。