买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京工商大学申请的专利基于时空分离卷积和非对称卷积的视频特征提取模型的建模方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115965892B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211563259.8，技术领域涉及：G06V20/40；该发明授权基于时空分离卷积和非对称卷积的视频特征提取模型的建模方法是由邢素霞;郭正;于重重;佟鑫设计研发完成，并于2022-12-07向国家知识产权局提交的专利申请。

本基于时空分离卷积和非对称卷积的视频特征提取模型的建模方法在说明书摘要公布了：本发明公开了一种基于时空分离卷积和非对称卷积的视频特征提取模型的建模方法，属于模式识别、机器视觉技术领域和视频处理技术领域，该方法包括：搭建C3D网络模型；将C3D网络的前四层卷积层转化为时空可分离卷积，将3D卷积明确分解为一个2D空间卷积和一个1D时间卷积的连续操作；对C3D网络的后四个卷积层进行改进以减少模型参数，将3D卷积改进为非对称卷积；构建基于时空分离卷积和非对称卷积的视频特征提取模型。本发明经实验表明，其优点是改进的模型在视频的特征提取方面效果更好，且对于模型参数也可以进行有效的压缩，具有较高的应用价值及推广价值。

本发明授权基于时空分离卷积和非对称卷积的视频特征提取模型的建模方法在权利要求书中公布了：1.一种基于时空分离卷积和非对称卷积的视频特征提取模型的建模方法，其步骤包括： 1搭建C3D网络模型，该模型包括八个卷积层Conv1a、Conv2a、Conv3a、Conv3b、Conv4a、Conv4b、Conv5a以及Conv5b，五个池化层和两个全连接层； 2转化C3D网络的前四层3D卷积层为时空可分离卷积，即将每一层3D卷积层分解一个2D空间卷积和一个1D时间卷积，Conv1a、Conv2a、Conv3a以及Conv3b转化后变为Conv1a、Conv1b、Conv2a、Conv2b、Conv3a、Conv3b、Conv3c以及Conv3d共八层卷积层，其中，2D空间卷积层为Conv1a、Conv2a、Conv3a以及Conv3c，1D时间卷积层为Conv1b、Conv2b、Conv3b以及Conv3d，转化后2D空间卷积层的卷积核由原来的3×3×3变为1×3×3，1D时间卷积层的卷积核由原来的3×3×3变为3×1×1，完成第一阶段的视频特征提取； 3修改C3D网络的后四个卷积层Conv4a、Conv4b、Conv5a以及Conv5b为非对称卷积，其中，Conv4a与Conv4b的卷积核由原来的3×3×3分别转化为3×1×5与3×5×1，Conv5a与Conv5b的卷积核由原来的3×3×3分别转化为3×1×7与3×7×1，构成新的视频特征提取模型；其中模型训练采用Adam优化参数，并在每个卷积层后加入BN层，Adam算法参数设置情况如下： 3-1学习率Ir取默认值为1×e-3； 3-2用于计算梯度以及梯度平方的运行平均值的系数为betas，用于计算梯度的运行平均值的系数设置为0.9，用于计算梯度平方的运行平均值的系数设置为0.999； 3-3为了增加数值计算的稳定性而加到分母里的项eps设置为1×e-8； 3-4权重衰减weight_decay设置为5×e-4； 4输入视频数据集，使用交叉熵损失函数对分类概率分布间的差异性进行度量，模型中的计算过程如下： 首先输入是size为minibatch,C，其中，minibatch为类的批量大小，C为类别总数，输入size后损失函数按公式1计算： 公式1中，x为各类别对应损失函数的数组，loss为类别对应损失值，j为类别个数，class为标签值，式1中的标签值class并不参与直接计算，而是作为一个索引，索引对象为实际类别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京工商大学，其通讯地址为：100048 北京市海淀区阜成路33号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。