買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江工業大學申請的專利一種用于序列數據的多尺度深度學習識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114565082B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210194015.0，技術領域涉及：G06N3/084；該發明授權一種用于序列數據的多尺度深度學習識別方法是由高華;胡晨琛;毛科技;毛家發設計研發完成，并于2022-03-01向國家知識產權局提交的專利申請。

本一種用于序列數據的多尺度深度學習識別方法在說明書摘要公布了：本發明公開了一種用于序列數據的多尺度深度學習識別方法，采集序列數據并標注，構成原始序列訓練數據集，對修改好的深度神經網絡模型進行訓練，從原始序列訓練數據集的訓練樣本中隨機截取時長為t的數據采樣，前向傳播輸入到深度神經網絡模型，同時對時長為t的數據中進行擴充或縮減和重采樣模擬時間多尺度，采樣取得的數據前向傳播輸入到深度神經網絡模型，綜合兩個網絡的分類損失和特征損失反向傳播訓練神經網絡模型。本發明在訓練過程中對訓練數據進行一定范圍內的隨機重采樣來模擬多尺度現象，具有更高的識別準確度。訓練時兩個分支網絡的參數共享，有效提高了訓練效率；在識別過程中僅需采用一個分支網絡，具有高效性。

本發明授權一種用于序列數據的多尺度深度學習識別方法在權利要求書中公布了：1.一種用于序列數據的多尺度深度學習識別方法，其特征在于，所述用于序列數據的多尺度深度學習識別方法，包括： 采集序列數據并標注，構成原始序列訓練數據集； 從原始序列訓練數據集的訓練樣本中隨機截取連續時長為t的數據進行采樣，前向傳播輸入到修改好的深度神經網絡模型，經所述深度神經網絡模型提取第一特征，將所述第一特征輸入到識別器，計算識別器輸出與真實標簽的第一交叉熵損失； 對時長為t的數據進行隨機擴充或縮減，并隨機重采樣，重采樣取得的數據前向傳播輸入到修改好的深度神經網絡模型，經所述深度神經網絡模型提取第二特征，將所述第二特征輸入到識別器，計算識別器輸出與真實標簽的第二交叉熵損失； 計算所述第一特征和第二特征的特征差異，并計算所述第一交叉熵損失、第二交叉熵損失和特征差異的加權和損失，根據加權和損失進行反向傳播，更新所述深度神經網絡模型的網絡參數； 在所述深度神經網絡模型訓練完成后，采用訓練好的深度神經網絡模型用于序列數據識別； 其中，所述深度神經網絡模型采用一維卷積替換VGG16網絡中的二維卷積，采用自適應池化操作替換所述VGG16網絡中最后一個最大池化操作，采用所述VGG16網絡最后的softmax層作為識別器； 或，所述深度神經網絡模型采用3DResnet，采用自適應池化操作替換所述3DResnet第5個res模塊后面的最大池化操作，采用所述3DResnet的最后一層softmax層作為識別器； 所述序列數據為不同人的語音數據，所述標注包括生氣、高興、害怕、悲傷、驚訝和中性共六種情緒的一種；或，所述序列數據為不同人不同動作的視頻數據，所述標注包括微笑、大笑、咀嚼、交談、吸煙、吃、喝、側手翻、拍手、爬、跳、摔倒、翻轉、倒立、跳、拉、推、跑、坐、翻跟頭、站起來、轉身、梳頭、抓、打球、騎自行車、擁抱、握手共二十八種行為的一種。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江工業大學，其通訊地址為：310014 浙江省杭州市下城區潮王路18號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。