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！

龙图腾网获悉浙江理工大学申请的专利一种基于快慢分解网络的动作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：CN116884092B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202310932101.1，技术领域涉及：G06V40/20；该发明授权一种基于快慢分解网络的动作识别方法是由田秋红;李赛伟;赵妍颖;杨子豫设计研发完成，并于2023-07-27向国家知识产权局提交的专利申请。

本一种基于快慢分解网络的动作识别方法在说明书摘要公布了：本发明公开了一种基于快慢分解网络的动作识别方法。方法包括：采集若干动作类别的动作视频，将动作视频和预处理后的动作视频构建为增强数据集；构建快慢分解网络；输入预处理动作数据集进行训练，获得训练完成的网络；采集待识别的动作视频，输入训练完成的网络中，输出结果再经过一个全连接层后获得动作类别的概率，进行分类，实现动作的识别。本发明方法不仅减少了参数量和计算量，还提高了特征表达能力，可以自适应地学习特征的相关性和重要性，从而增强表征能力和泛化能力，在避免过度拟合低级特征还保证有充足的高级特征，使得视频动作的识别更加快速准确。

本发明授权一种基于快慢分解网络的动作识别方法在权利要求书中公布了：1.一种基于快慢分解网络的动作识别方法，其特征在于，包括： 步骤1采集标注有动作类别标签的若干动作类别的动作视频，将各个动作视频和进行预处理后的各个动作视频共同构建为增强数据集； 步骤2构建快慢分解网络； 步骤2.1在慢路径中采用分组卷积，以减少卷积层的计算量和模型的参数量，并增强模型的非线性能力和特征表达能力； 步骤2.2在快路径的每一个残差块处理完成后，将其输出特征融合到慢路径中，从而实现快慢路径的特征交互； 步骤2.3将快路径和慢路径提取的特征分别送入自注意力机制模块FDA_Drop键中；在FDA_Drop键模块中，将输入特征分解为多个互相独立的部分，以自适应地学习特征的相关性和重要性，从而增强模型的表征能力和泛化能力；在FDA_Drop键中，将多头注意力划分为两类：空间头SpatialHeads，用于计算同一帧内不同序列token；时间头TemporalHeads，用于计算不同帧相同位置的序列token； 步骤3将预处理动作数据集输入快慢分解网络中进行训练，获得训练完成的快慢分解网络； 步骤4采集待识别的动作视频，将待识别的动作视频输入训练完成的快慢分解网络中，训练完成的快慢分解网络的输出结果再经过一个全连接层后获得若干动作类别的概率，根据各个动作类别的概率进行待识别的动作视频的分类，实现动作的识别。

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浙江理工大学，其通讯地址为：310018 浙江省杭州市江干区下沙高教园区2号大街928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”。

以上内容由龙图腾AI智能生成。