【技术实现步骤摘要】
本专利技术属于数据挖掘，具体涉及一种基于双流transformer的大规模手语数据高质量自动筛选方法。
技术介绍
1、对于基于深度学习的手语识别翻译任务，手语数据质量规模是很重要的，尤其是训练数据的质量规模决定了手语识别翻译效果的上限，而模型和算法的改进只是在不断地逼近这个上限。目前，手语识别翻译研究所使用到的开源手语数据集均存在规模小、缺乏多样性等问题，而这些问题会导致手语识别翻译模型泛化能力不强，无法落地实用。因此，手语识别翻译研究急需大规模、多样性的手语数据来提升识别翻译模型的性能和泛化能力。而在构建海量、复杂的手语数据过程中，不可避免地会采集到错误数据，例如手语顺序错误、手势错误和手语遗漏等情况。错误数据会让模型学习到错误的映射关系，导致手语识别翻译效果的降低。如果使用人工对大规模手语数据集进行检查，则是严重消耗人力成本和时间成本。
2、综上，本专利技术基于计算机视觉中的深度学习技术，提出一种基于双流transformer的大规模手语数据高质量自动筛选方法，能够自动筛选错误手语数据，在构建大规模手语数据集过程中提升了...
【技术保护点】
1.一种基于双流Transformer的大规模手语数据高质量自动筛选方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于双流Transformer的大规模手语数据高质量自动筛选方法，其特征在于，所述交叉Transformer的输入分别通过三个线性层转换为查询向量、键向量和值向量，第一个分支的交叉Transformer的查询向量作为第二个分支的交叉Transformer的查询向量，第二个分支的交叉Transformer的查询向量作为第一个分支的交叉Transformer的查询向量，则交叉Transformer的输出特征X1表示为：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。