[发明专利]多模态融合的动作识别方法、装置及计算机可读存储介质在审
| 申请号： | 201810877125.0 | 申请日： | 2018-08-03 |
| 公开（公告）号： | CN110795973A | 公开（公告）日： | 2020-02-14 |
| 发明（设计）人： | 刘家瑛;蒋鸿达;宋思捷;厉扬豪;郭宗明 | 申请（专利权）人： | 北京大学;北大方正集团有限公司;北京北大方正电子有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 11205 北京同立钧成知识产权代理有限公司 | 代理人： | 张芳;刘芳 |
| 地址： | 100871*** | 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： | 本发明提供一种多模态融合的动作识别方法、装置及计算机可读存储介质，方法包括：通过预设的单模态待训练数据对至少一个单模态待训练模型进行训练，获得至少一个单模态神经网络模型；在任意两个所述单模态神经网络模型之间添加信息流动连接，获得多模态待训练模型；通过预设的多模态待训练数据对所述多模态待训练模型进行训练，获得多模态神经网络模型；将待识别多模态数据添加至所述多模态神经网络模型中进行识别。从而能够实现对多模态待识别设备的处理，提高神经网络模型的性能。 | ||
| 搜索关键词： | 多模态 神经网络模型 单模态 训练模型 训练数据 预设 计算机可读存储介质 多模态数据 动作识别 流动连接 识别设备 添加信息 融合 | ||
【主权项】：
1.一种多模态融合的动作识别方法，其特征在于，包括：/n通过预设的单模态待训练数据对至少一个单模态待训练模型进行训练，获得至少一个单模态神经网络模型；/n在任意两个所述单模态神经网络模型之间添加信息流动连接，获得多模态待训练模型；/n通过预设的多模态待训练数据对所述多模态待训练模型进行训练，获得多模态神经网络模型；/n将待识别多模态数据添加至所述多模态神经网络模型中进行识别。/n
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大学;北大方正集团有限公司;北京北大方正电子有限公司，未经北京大学;北大方正集团有限公司;北京北大方正电子有限公司许可，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/201810877125.0/，转载请声明来源钻瓜专利网。
