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！

龙图腾网获悉浙江工业大学申请的专利一种用于序列数据的多尺度深度学习识别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：CN114565082B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202210194015.0，技术领域涉及：G06N3/084；该发明授权一种用于序列数据的多尺度深度学习识别方法是由高华;胡晨琛;毛科技;毛家发设计研发完成，并于2022-03-01向国家知识产权局提交的专利申请。

本一种用于序列数据的多尺度深度学习识别方法在说明书摘要公布了：本发明公开了一种用于序列数据的多尺度深度学习识别方法，采集序列数据并标注，构成原始序列训练数据集，对修改好的深度神经网络模型进行训练，从原始序列训练数据集的训练样本中随机截取时长为t的数据采样，前向传播输入到深度神经网络模型，同时对时长为t的数据中进行扩充或缩减和重采样模拟时间多尺度，采样取得的数据前向传播输入到深度神经网络模型，综合两个网络的分类损失和特征损失反向传播训练神经网络模型。本发明在训练过程中对训练数据进行一定范围内的随机重采样来模拟多尺度现象，具有更高的识别准确度。训练时两个分支网络的参数共享，有效提高了训练效率；在识别过程中仅需采用一个分支网络，具有高效性。

本发明授权一种用于序列数据的多尺度深度学习识别方法在权利要求书中公布了：1.一种用于序列数据的多尺度深度学习识别方法，其特征在于，所述用于序列数据的多尺度深度学习识别方法，包括： 采集序列数据并标注，构成原始序列训练数据集； 从原始序列训练数据集的训练样本中随机截取连续时长为t的数据进行采样，前向传播输入到修改好的深度神经网络模型，经所述深度神经网络模型提取第一特征，将所述第一特征输入到识别器，计算识别器输出与真实标签的第一交叉熵损失； 对时长为t的数据进行随机扩充或缩减，并随机重采样，重采样取得的数据前向传播输入到修改好的深度神经网络模型，经所述深度神经网络模型提取第二特征，将所述第二特征输入到识别器，计算识别器输出与真实标签的第二交叉熵损失； 计算所述第一特征和第二特征的特征差异，并计算所述第一交叉熵损失、第二交叉熵损失和特征差异的加权和损失，根据加权和损失进行反向传播，更新所述深度神经网络模型的网络参数； 在所述深度神经网络模型训练完成后，采用训练好的深度神经网络模型用于序列数据识别； 其中，所述深度神经网络模型采用一维卷积替换VGG16网络中的二维卷积，采用自适应池化操作替换所述VGG16网络中最后一个最大池化操作，采用所述VGG16网络最后的softmax层作为识别器； 或，所述深度神经网络模型采用3DResnet，采用自适应池化操作替换所述3DResnet第5个res模块后面的最大池化操作，采用所述3DResnet的最后一层softmax层作为识别器； 所述序列数据为不同人的语音数据，所述标注包括生气、高兴、害怕、悲伤、惊讶和中性共六种情绪的一种；或，所述序列数据为不同人不同动作的视频数据，所述标注包括微笑、大笑、咀嚼、交谈、吸烟、吃、喝、侧手翻、拍手、爬、跳、摔倒、翻转、倒立、跳、拉、推、跑、坐、翻跟头、站起来、转身、梳头、抓、打球、骑自行车、拥抱、握手共二十八种行为的一种。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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”。