本發明涉及一種基于半監督學習的時序行為檢測方法及系統,該方法包括:獲取視頻的時空特征并構建訓練集和測試集;獲取一個端到端的時序行為檢測模型;將訓練集輸入時序行為檢測模型得到分類分數和位置偏移量;然后對時序行為檢測模型進行學習優化得到初始模型參數;根據時空特征計算擾動噪聲特征;構建學生模型和教師模型;根據初始模型參數對學生模型和教師模型進行初始化;將擾動噪聲特征輸入初始化學生模型,將時空特征輸入初始化教師模型;根據初始化學生模型和初始化教師模型的輸出結果對初始化教師模型進行優化;將測試集輸入優化后的教師模型得到當前視頻中包含的動作類別和動作的時間邊界。本發明能夠提升行為檢測的準確度。
聲明:
“基于半監督學習的時序行為檢測方法及系統” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)