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！

龙图腾网获悉中国科学院宁波材料技术与工程研究所申请的专利一种用于识别人类活动的残差模块网络设计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：CN116543451B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202310347988.8，技术领域涉及：G06V40/20；该发明授权一种用于识别人类活动的残差模块网络设计方法是由尚杰;王璕;胡振宇;李润伟设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本一种用于识别人类活动的残差模块网络设计方法在说明书摘要公布了：本发明所采用的技术方案是，一种用于识别人类活动的残差模块网络设计方法，包括：利用低通滤波方法对数据集中的传感器数据进行降噪处理；对得到的降噪处理后的传感器数据进行归一化处理；使用滑动窗口对归一化后的传感器数据进行分割；构建具有局部损失函数的残差模块网络模型；残差模块网络模型进行训练，得到训练后的残差模块网络模型；训练后的残差模块网络模型中进行特征提取，获得人类活动的识别结果；本方法大大减轻了训练残差网时的内存需求，也减少内存占用。

本发明授权一种用于识别人类活动的残差模块网络设计方法在权利要求书中公布了：1.一种用于识别人类活动的残差模块网络设计方法，其特征在于：该方法包括以下步骤： S1、利用低通滤波方法对数据集中的传感器数据进行降噪处理，得到降噪处理后的传感器数据； S2、对得到的降噪处理后的传感器数据进行归一化处理，得到归一化后的传感器数据； S3、使用滑动窗口对归一化后的传感器数据进行分割，得到分割后的传感器数据； S4、构建具有局部损失函数的残差模块网络模型；所述残差模块网络模型依次包括第一残差模块、局部损失函数以及第二残差模块，所述第一残差模块和第二残差模块均依次包括第一卷积层、第一批量归一化层、第一ReLU激活函数、第二卷积层、第二批量归一化层以及第二ReLU激活函数；所述局部损失函数由相似匹配损失函数和预测损失函数加权得到； S5、将步骤S3得到的分割后的传感器数据分成两部分，其中一部分传感器数据输入到步骤S4的残差模块网络模型进行训练，得到训练后的残差模块网络模型，其具体过程包括下列步骤： S5.1、传感器数据yh进入第一残差模块，对传感器数据yh进行映射处理，得到hyh，同时，传感器数据yh依次经过第一残差模块的第一卷积层、第一批量归一化层、第一ReLU激活函数、第二卷积层、第二批量归一化层以及第二ReLU激活函数处理后，输出结果a2a1yh，将hyh和a2a1yh进行加权处理，得到第一残差模块的输出结果：yh+1＝hyh+a2a1yh； S5.2、将第一残差模块的输出结果yh+1输入到局部损失函数中进行相似匹配损失处理和预测损失处理，得到局部损失函数输出结果lyh+1：lyh+1＝αls+1-αlp；其中，ls表示进行相似匹配损失处理，ls＝||Scyh+1-SY||2，Y表示一组单次编码的标签，Y＝y1，y2，...yn，c·是相似性匹配损失中的卷积层；S·是余弦相似度矩阵运算；lp表示进行预测损失处理，其中表示线性分类器的权重矩阵，Y表示one-hot编码目标的标签矩阵；α表示一个正实数，α＜＝1；CrossEntropy表示一种交叉熵函数； S5.3、将局部损失函数输出结果lyh+1输入到第二残差模块，对输出结果lyh+1进行映射处理，得到hlyh+1，同时，输出结果lyh+1依次经过第二残差模块的第一卷积层、第一批量归一化层、第一ReLU激活函数、第二卷积层、第二批量归一化层以及第二ReLU激活函数处理后，输出结果a2a1lyh+1，将hlyh+1和a2a1lyh+1行加权处理，得到第二残差模块的输出结果：Y＝hlyh+1+a2a1lyh+1；通过第二残差模块的输出结果进行活动识别分类； S5.4、按照步骤S5.1～S5.3的方式，多次输入传感器数据进行多次迭代，完成对残差模块网络模型的训练； S6、将其中另一部分传感器数据输入到步骤S5得到的训练后的残差模块网络模型中进行特征提取，获得人类活动的识别结果。

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中国科学院宁波材料技术与工程研究所，其通讯地址为：315000 浙江省宁波市镇海区中官西路1219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。