[发明专利]一种基于多区域双流卷积神经网络模型的动作检测方法在审
| 申请号： | 201710053337.2 | 申请日： | 2017-01-22 |
| 公开（公告）号： | CN106815579A | 公开（公告）日： | 2017-06-09 |
| 发明（设计）人： | 夏春秋 | 申请（专利权）人： | 深圳市唯特视科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 518057 广东省深圳市高新技术产业园*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明中提出的一种基于多区域双流卷积神经网络模型的动作检测方法，其主要内容包括端到端双流更快基于区域的卷积神经网络(R‑CNN)、多区域双流更快R‑CNN、连接和时间定位，其过程为，双流更快R‑CNN采用RGB帧和若干光流图，使用卷积和最大池层来处理，卷积层馈送到域建议网络和兴趣区域池层；多区域双流更快R‑CNN在区域建议网络和RoI池层间嵌入多区域生成层；应用链接和最大子阵列算法的时域定位，计算动作所有链接分数后确定最优路径获得视频级动作检测。本发明多个帧上叠加光流可显著提高帧级动作检测；在快R‑CNN模型增加对身体的各部分的补充信息；能够去除背景杂波，减小光照、遮挡的影响，提高检测效率。 | ||
| 搜索关键词： | 一种 基于 区域 双流 卷积 神经网络 模型 动作 检测 方法 | ||
【主权项】：
一种基于多区域双流卷积神经网络模型的动作检测方法，其特征在于，主要包括端到端双流更快基于区域的卷积神经网络(R‑CNN)(一)；多区域双流更快基于区域的卷积神经网络(R‑CNN)(二)；连接和时间定位(三)。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳市唯特视科技有限公司，未经深圳市唯特视科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710053337.2/，转载请声明来源钻瓜专利网。
