買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浙江工業(yè)大學(xué)申請的專利一種基于多任務(wù)自監(jiān)督框架的群體行為識(shí)別方法和裝置獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120354157B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510858515.3，技術(shù)領(lǐng)域涉及：G06F18/2323；該發(fā)明授權(quán)一種基于多任務(wù)自監(jiān)督框架的群體行為識(shí)別方法和裝置是由宦若虹;陸海龍;陳天涯設(shè)計(jì)研發(fā)完成，并于2025-06-25向國家知識(shí)產(chǎn)權(quán)局提交的專利申請。

本一種基于多任務(wù)自監(jiān)督框架的群體行為識(shí)別方法和裝置在說明書摘要公布了：本發(fā)明公開了一種基于多任務(wù)自監(jiān)督框架的群體行為識(shí)別方法和裝置，首先構(gòu)建包括個(gè)體特征提取模塊、Transformer編碼器和任務(wù)頭的第一網(wǎng)絡(luò)模型，采用第一訓(xùn)練數(shù)據(jù)集訓(xùn)練第一網(wǎng)絡(luò)模型，計(jì)算各個(gè)任務(wù)頭所對應(yīng)的損失，完成第一網(wǎng)絡(luò)模型的訓(xùn)練。然后構(gòu)建包括個(gè)體特征提取模塊、Transformer編碼器、全局特征補(bǔ)充模塊和推理模塊的第二網(wǎng)絡(luò)模型，凍結(jié)Transformer編碼器的參數(shù)，采用第二訓(xùn)練數(shù)據(jù)集訓(xùn)練第二網(wǎng)絡(luò)模型。然后將采集的個(gè)體行為數(shù)據(jù)輸入訓(xùn)練好的第二網(wǎng)絡(luò)模型，得到群體行為識(shí)別結(jié)果。本發(fā)明顯著降低了計(jì)算復(fù)雜度，提升了自監(jiān)督條件下群體分割和行為識(shí)別的準(zhǔn)確性和魯棒性。

本發(fā)明授權(quán)一種基于多任務(wù)自監(jiān)督框架的群體行為識(shí)別方法和裝置在權(quán)利要求書中公布了：1.一種基于多任務(wù)自監(jiān)督框架的群體行為識(shí)別方法，其特征在于，所述基于多任務(wù)自監(jiān)督框架的群體行為識(shí)別方法，包括： 獲取個(gè)體的行為數(shù)據(jù)，生成第一訓(xùn)練數(shù)據(jù)集和第二訓(xùn)練數(shù)據(jù)集； 構(gòu)建包括個(gè)體特征提取模塊、Transformer編碼器和任務(wù)頭的第一網(wǎng)絡(luò)模型，采用第一訓(xùn)練數(shù)據(jù)集訓(xùn)練第一網(wǎng)絡(luò)模型，在訓(xùn)練時(shí)，個(gè)體特征提取模塊提取的個(gè)體嵌入特征輸入到Transformer編碼器提取編碼特征，然后輸入到各個(gè)任務(wù)頭，計(jì)算各個(gè)任務(wù)頭所對應(yīng)的損失，完成第一網(wǎng)絡(luò)模型的訓(xùn)練； 構(gòu)建包括個(gè)體特征提取模塊、Transformer編碼器、全局特征補(bǔ)充模塊和推理模塊的第二網(wǎng)絡(luò)模型，凍結(jié)Transformer編碼器的參數(shù)，采用第二訓(xùn)練數(shù)據(jù)集訓(xùn)練第二網(wǎng)絡(luò)模型，在訓(xùn)練時(shí)，個(gè)體特征提取模塊提取的個(gè)體嵌入特征輸入到全局特征補(bǔ)充模塊和Transformer編碼器，分別得到的全局特征和編碼特征進(jìn)行融合后輸入到推理模塊，計(jì)算損失，完成第二網(wǎng)絡(luò)模型的訓(xùn)練； 將采集的個(gè)體行為數(shù)據(jù)輸入訓(xùn)練好的第二網(wǎng)絡(luò)模型，得到群體行為識(shí)別結(jié)果； 其中，所述全局特征補(bǔ)充模塊，執(zhí)行如下操作： 將個(gè)體嵌入特征拼接而成的群體特征矩陣聚類為各個(gè)集群； 對于每個(gè)集群，計(jì)算集群內(nèi)注意力特征； 通過對集群內(nèi)向量取均值，得到每個(gè)集群的中心； 將所有集群中心堆疊成集群中心矩陣，計(jì)算集群間注意力特征； 將集群內(nèi)注意力特征與集群間注意力特征經(jīng)過線性變換后拼接，然后通過激活函數(shù)得到動(dòng)態(tài)權(quán)重值； 使用動(dòng)態(tài)權(quán)重值動(dòng)態(tài)加權(quán)集群內(nèi)注意力特征與集群間注意力特征，得到加權(quán)注意力特征； 對每個(gè)輸入的個(gè)體嵌入特征進(jìn)行線性變換后得到值向量，然后與加權(quán)注意力特征相乘，得到個(gè)體嵌入特征對應(yīng)的全局特征； 將輸入的所有個(gè)體嵌入特征對應(yīng)的全局特征堆疊，得到輸出的全局特征。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江工業(yè)大學(xué)，其通訊地址為：310014 浙江省杭州市拱墅區(qū)潮王路18號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。