【技术实现步骤摘要】
本专利技术属于计算机视觉，具体涉及一种自监督骨架数据分类方法、装置及电子设备。
技术介绍
1、骨架行为识别是计算机视觉领域的重要研究方向，其核心是通过分析人体骨架点的运动模式来识别行为类别。近年来，尽管基于监督学习的骨架行为识别方法已经取得显著的成果，但其对大规模标注数据的依赖限制了实际应用。相比之下，基于自监督学习的骨架数据分类方法因其无需大量标注数据的特性而受到了广泛关注。为了有效地训练自监督模型，研究者设计了多种代理任务，其中常见的代理任务包括对比学习方法和掩码自动编码器方法。
2、对比学习方法探索各种数据增强方案来构建对比视图。在相同样本的不同增强视图间最大化特征表示的一致性，同时在不同样本间最小化特征相似度。该方法利用样本的全局判别特征进行对比学习，从而产生良好的分离表征并增强线性可分性。掩码自动编码器方法通过输入屏蔽骨架序列并训练模型重建原始输入，这迫使模型探索数据的内在结构。该方法使用点对点重构的方式强化了数据的局部信息，确保对时空动态信息的透彻理解。
3、然而现有的骨架数据分类方法，虽然在捕捉骨架...
【技术保护点】
1.一种自监督骨架数据分类方法，其特征在于，所述自监督骨架数据分类方法包括：
2.根据权利要求1所述的自监督骨架数据分类方法，其特征在于，基于所述骨架信息确定运动信息，包括：
3.根据权利要求1所述的自监督骨架数据分类方法，其特征在于，在基于所述运动信息和所述骨架信息通过特征重建得到重建运动信息之前，所述自监督骨架数据分类方法还包括：
4.根据权利要求1所述的自监督骨架数据分类方法，其特征在于，所述第一损失函数为：
5.根据权利要求1所述的自监督骨架数据分类方法，其特征在于，将所述骨架信息与所述文本信息进行匹配以构建第二
【技术特征摘要】
1.一种自监督骨架数据分类方法，其特征在于，所述自监督骨架数据分类方法包括：
2.根据权利要求1所述的自监督骨架数据分类方法，其特征在于，基于所述骨架信息确定运动信息，包括：
3.根据权利要求1所述的自监督骨架数据分类方法，其特征在于，在基于所述运动信息和所述骨架信息通过特征重建得到重建运动信息之前，所述自监督骨架数据分类方法还包括：
4.根据权利要求1所述的自监督骨架数据分类方法，其特征在于，所述第一损失函数为：
5.根据权利要求1所述的自监督骨架数据分类方法，其特征在于，将所述骨架信息与所述文本信息进行匹配以构建第二损失函数，包括：
...【专利技术属性】
技术研发人员：赵至夫，华含洋，李佳楠，李甫，李阳，石光明，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
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。