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！

龙图腾网获悉北京理工大学申请的专利一种时序-视觉提案图网络的时序动作检测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：CN115937972B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202211489521.9，技术领域涉及：G06V40/20；该发明授权一种时序-视觉提案图网络的时序动作检测方法是由甘明刚;张琰;陈杰;夏明月;张少卿;马千兆设计研发完成，并于2022-11-25向国家知识产权局提交的专利申请。

本一种时序-视觉提案图网络的时序动作检测方法在说明书摘要公布了：本发明涉及一种时序‑视觉提案图网络的时序动作检测方法，属于时序动作检测技术。该方法在提案图上并行使用时序图卷积网络和视觉图卷积网络：首先，为每个提案选择有价值的邻居提案，并将其构建为动作提案图，再采用图卷积网络根据邻居提案对分类的不同贡献从邻居提案中获取动作信息来构造一个视觉图卷积网络，采用提案特征的余弦相似度作为权重；在动作提案图上再构造一个与视觉图卷积网络并行的时序图卷积网络，通过提案之间的时序和视觉相关性聚合信息。在使用图卷积网络时，提出一种新的时序图卷积操作，该操作将邻居提案按照时序位置关系划分为多个子邻居，并以不同的方式提取信息，采用度量函数作为辅助监督，以从邻居提案中获取更多有价值的信息。

本发明授权一种时序-视觉提案图网络的时序动作检测方法在权利要求书中公布了：1.一种时序-视觉提案图网络的时序动作检测方法，其特征在于该方法的步骤包括： 步骤1：构建未经剪裁的视频V中的提案图； 步骤2：根据步骤1得到的提案图构建视觉提案图网络； 步骤3：根据步骤1得到的提案图构建时序提案图网络； 步骤4：根据步骤2构建的视觉提案图网络和步骤3构建的时序提案图网络构建时序-视觉提案图网络，并使用构建的时序-视觉提案图网络进行时序动作检测； 所述的步骤3中，利用步骤1得到的提案图构建与视觉提案图网络并行的时序提案图网络，具体方法为： 首先，沿着通道维度将每个提案特征划分为K个部分，然后沿通道维度连接各部分的信息，则时序提案图网络的多头时序图卷积表示为： 其中，表示第v个提案在第l个时序卷积层上的特征；表示第v个提案在第l个时序卷积层上从邻居提案中获得的第k个消息特征向量；和表示不同要学习的参数矩阵；M为邻居提案类别数；Nmv表示第v个提案的第m种邻居提案类；btemporal表示时序提案图网络中偏置向量；表示第j个邻居提案在第l-1个时序卷积层上的第k个特征；为提案v的第j个邻居提案的第k个时序头部注意力权重，注意力权重表示邻居提案的重要性，为计算该注意力权重，构造一个时序位置向量： svj＝[tv,s,tv,e,lp,v,tj,s,tj,e,lp,j]7 其中，svj为第v个提案和第j个邻居提案的时序位置向量；tv,s和tv,e分别为第v个提案的起始坐标和结束坐标；tj,s和tj,e分别为第j个邻居提案的起始坐标和结束坐标；lp,v是第v个提案的长度，lp,j是第j个邻居提案的长度； 用该时序位置向量计算第v个提案与第j个邻居提案的第k个时序头部注意力权重，具体计算过程如下： 其中，Wk是要学习的参数矩阵；表示第v个提案的第k个时序特征；表示第j个邻居提案的第k个时序特征；Nbv表示第v个提案的第b种邻居提案类；函数δ输出一个表示特征和的单一向量； 为了从邻居提案中获得有价值的信息，设计辅助损失La为： 其中，η为超参数；L为时序卷积层数；λl为第l个时序卷积层的权重系数；B为批量大小；表示第v个提案最近的真实动作的特征；是要学习的参数矩阵；yv是第v个提案的二进制标签，当第v个提案和它最接近的groundtruth实例之间的tIoU大于0.7时，yv被设置为1，如果tIoU低于0.01时，yv被设置为0；表示第v个提案在第l个时序卷积层上从邻居提案中获得的消息特征向量，表示为： 其中，是要学习的参数矩阵；表示第v个提案的第j个邻居提案在第l-1个时序卷积层上的特征。

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理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。