[发明专利]递归神经网络的训练方法、识别方法、装置及处理设备有效
| 申请号： | 201810870041.4 | 申请日： | 2018-08-01 |
| 公开（公告）号： | CN109086873B | 公开（公告）日： | 2021-05-04 |
| 发明（设计）人： | 张弛;曹宇 | 申请（专利权）人： | 北京旷视科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人： | 郭新娟 |
| 地址： | 100000 北京*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种递归神经网络的训练方法、识别方法、装置及处理设备，涉及动作识别技术领域，该方法包括：获取训练样本，训练样本包括视频的多帧图像序列及视频对应的动作标识；对多帧图像序列进行特征提取，得到图像序列特征，图像序列特征包括每帧图像的特征；将图像序列特征输入递归神经网络进行动作分类，获得每帧图像的动作分类概率；其中，动作分类包含无动作类；基于动作分类概率，根据连接时序分类方法计算损失函数；通过对损失函数进行反向传播以训练递归神经网络。本发明实施例可以对动作之间的连接关系进行更好的学习，对于时间序列的动作预测更为准确，从而可以对动作进行更细粒度，更准确的动作识别。 | ||
| 搜索关键词： | 递归 神经网络 训练 方法 识别 装置 处理 设备 | ||
【主权项】：
1.一种递归神经网络的训练方法，其特征在于，所述方法包括：获取训练样本，所述训练样本包括视频的多帧图像序列及所述视频对应的动作标识；对所述多帧图像序列进行特征提取，得到图像序列特征，所述图像序列特征包括每帧图像的特征；将所述图像序列特征输入递归神经网络进行动作分类，获得所述每帧图像的动作分类概率；其中，动作分类包含无动作类；基于所述动作分类概率，根据连接时序分类方法计算损失函数；通过对所述损失函数进行反向传播以训练递归神经网络。
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北京旷视科技有限公司，未经北京旷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/201810870041.4/，转载请声明来源钻瓜专利网。
