Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西南石油大学罗仁泽获国家专利权

西南石油大学罗仁泽获国家专利权

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!

龙图腾网获悉西南石油大学申请的专利一种基于滑动掩膜的视频行为数据增强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:CN116029929B

龙图腾网通过国家知识产权局官网在2025-08-12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:202310021230.5,技术领域涉及:G06T5/00;该发明授权一种基于滑动掩膜的视频行为数据增强方法是由罗仁泽;谭亮;罗任权;邓治林;余泓;李华督设计研发完成,并于2023-01-07向国家知识产权局提交的专利申请。

一种基于滑动掩膜的视频行为数据增强方法在说明书摘要公布了:本发明提出一种基于滑动掩膜的视频行为数据增强方法。该方法先对原有视频行为训练样本进行增强,构建新的增强样本,具体实施方法为:首先从全部数据集中随机提取出连续的视频图片并进行预处理作为训练样本;然后获取到模型训练的训练轮次信息,并计算数据增强算法的触发概率;然后根据触发概率判断是否对训练样本进行数据增强;判断为不需要增强时,直接使用训练样本对视频行为识别模型进行训练;判断为需要增强时,获取训练样本的长度、宽度、帧数信息,并据此产生对应的随机掩膜;最后将随机掩膜与训练样本进行合并得到增强样本,最后使用增强样本对视频行为识别模型进行训练。与现有技术相比,本发明具有提升效果好、效率优、简单等优点。

本发明授权一种基于滑动掩膜的视频行为数据增强方法在权利要求书中公布了:1.一种基于滑动掩膜的视频行为数据增强方法,其特征包括以下步骤: 步骤1、制作训练样本X,具体步骤如下: 1从数据集中随机选取出n个帧数为f的视频样本X′,f∈1,64];X′为c×f个a×b矩阵,a∈224,1080;b∈224,1080;c为视频图像的通道数量,c∈{1,3}; 2对n个帧数为f的视频样本X′进行尺寸变换得到变换尺寸视频样本X″,X″为c×f个w×h;w、h为固定值224;然后对X″进行最大最小值归一化处理得到归一化视频样本X″′,X″′为c×f个w×h矩阵;计算公式如下: 式中x″'wh代表矩阵X″′中的单个元素,x″'wh∈-1,1;x″'wh代表矩阵X″′中的单个元素,x″wh∈0,255;xmin代表归一化的最小值,xmin=-1;xmax代表归一化的最大值,xmax=1; 3最后将n个归一化视频样本X″′组成一个集合X作为训练样本,X={X1″',X2″′,X3″′,…,X″'n};训练样本X为n×c×f个w×h矩阵;n为训练样本X中归一化视频样本X″′的数量,n∈N; 步骤2、数据增强算法根据训练轮次ei和最大训练轮次em计算触发概率pi,并得到训练样本X中的每一帧图像xi和相对应的掩膜Mi,具体步骤如下: 1根据模型的训练轮次ei,和最大训练轮次em,计算数据增强算法的触发概率pi,触发概率的计算公式为: 式中pi为数据增强算法的第i轮触发概率,pi∈0,1];em代表最大训练轮次,em∈N;ei代表当前第i轮训练轮次,ei∈1,em]; 2设置第i轮训练轮次的随机概率qi,qi=random0,1;当第i轮训练轮次的随机概率qi大于触发概率pi时,算法使用三个参数l、j、r来产生掩膜M1,M1为c个相同的w×h矩阵组成,mik代表掩膜M1中c个相同的w×h矩阵的第i行k列的元素;mik∈{0,1},i∈0,224,k∈0,224;掩膜M1中mik的计算公式如下: M1是与训练样本X中第1帧图像x1相对应的掩膜,M1为c个w×h矩阵;mwh∈{0,1},mwh代表掩膜M1中的单个元素;l代表掩膜M1中栅格的数量,l∈[4,14];j代表掩膜M1中栅格的宽度,j∈[16,56];r代表掩膜M1随机旋转的角度,r∈1°,360°];三个参数的计算公式为: l=randlmin,lmax j=randomjmin,jmax r=random1°,360° 式中jmax代表M1中栅格的宽度j随机取值的上界,jmax∈[16,56];jmin代表M1中栅格的宽度j随机取值的下界,jmin≤jmax;jmin,jmax的计算公式为: 式中h代表掩膜M1的高度,l代表掩膜M1中栅格的数量; 3数据增强算法对训练样本X中的每一帧图像xi和相对应的掩膜Mi进行合成,Mi为c个w×h矩阵;掩膜Mi的计算公式为: 0<i<f,w1+dw<wd<w2+dw,h1+dh<hd<h2+dh式中,i为训练样本X中第i帧图像,w、h代表掩膜Mi的长宽,pi为数据增强算法的第i轮触发概率,f为训练样本X的帧数,wd代表掩膜Mi中删除区域的横坐标范围,wd∈0,w;hd代表掩膜Mi中删除区域的纵坐标范围,hd∈0,h;w1,h1代表掩膜M1中删除区域的左上角坐标,w2,h2代表掩膜M1中删除区域的右下坐标,{w1,h1,w2,h2}∈0,224;dw、dh代表掩膜Mi的移动距离,dw、dh计算公式如下: 式中,i为训练样本X中第i帧图像,f为训练样本X的帧数; 步骤3、使用步骤2中产生的掩膜Mi对与训练样本X进行合成,得到增强样本具体步骤如下: 1当第i轮训练轮次的随机概率qi大于触发概率pi时,qi=random0,1;算法对n个归一化视频样本X″′进行数据增强得到增强视频样本为c×f个w×h矩阵;的计算公式如下: 式中,f为归一化视频样本X″′的帧数,Zi″′;i={1,2,…,f},代表归一化视频样本X″′中第i帧图像,Zi″′为c个w×h矩阵;Mi;i={1,2,…,f},代表与归一化视频样本X″′中第i帧图像Zi″′相乘的掩膜,Mi为c个w×h矩阵; 2对将n个增强视频样本组合得到增强样本增强算法的计算公式为: 式中,qi为第i轮训练轮次的随机概率,qi=random0,1;pi为增强算法在第i轮训练轮次的触发概率;X为训练样本,训练样本X为n×c×f个w×h矩阵;代表增强视频样本,增强视频样本为c×f个w×h矩阵,代表增强样本,为n个增强视频样本组成的集合,为n×c×f个w×h矩阵。

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西南石油大学,其通讯地址为:610500 四川省成都市新都区新都大道8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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。