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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于特征相似度的动作分割网络优化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：CN119672588B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411493375.6，技术领域涉及：G06V20/40；该发明授权一种基于特征相似度的动作分割网络优化方法是由李建军;黄天宸;张磊;叶茵;刘畅;李振辉;林乃键;李志勇;吉泽人设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本一种基于特征相似度的动作分割网络优化方法在说明书摘要公布了：本发明公开了一种基于特征相似度的动作分割网络优化方法。本发明首先需要获取数据集的视频，将原始的视频进行分帧处理，得到时序图片，然后获得对应的标签。然后利用通用的特征提取网络获得对数据集进行特征提取，得到相应的特征，然后根据输入的特征计算代表性特征。然后根据代表性特征进行特征相似度计算，然后进行滤波处理，之后将将滤波后的特征相似度输入到损失函数中，反向传播更新参数。本发明通过求得视频中动作的代表性特征，结合特征相似度，对网络的训练加以辅助，达到更好的动作分类结果，减少了过分割错误，适用范围广、模型精确度高、鲁棒性强。

本发明授权一种基于特征相似度的动作分割网络优化方法在权利要求书中公布了：1.一种基于特征相似度的动作分割网络优化方法，其特征在于，包括步骤如下： 步骤1：获取数据集视频，对视频进行分帧处理，得到图像与标签； 步骤2：利用现有的特征提取网络进行特征提取并输入动作分割网络； 步骤3：利用提取后的特征进行代表性特征计算； 步骤4：根据代表性特征进行特征相似度计算； 步骤5：对得到的特征相似度序列使用Savitzky-Golay滤波器进行处理； 步骤6：基于处理后的相似度序列生成监督矩阵； 步骤7：计算联合损失并反向传播更新参数； 步骤3具体方法如下： 设在当前训练阶段，输入到动作分割网络当中的长视频是V，则长视频V经过特征提取网络提取到的视频特征维度为T×N，T为视频长度，N为提取的特征维度，假设长视频V由K个动作组成，则将这个长视频分为视频段T1,T2,…,Tk,…,TK，k=1,2,...,K；每个视频段都有对应的特征范围，计算出各个视频段的代表性特征； 利用K-Means算法对各个视频段进行代表性特征的计算，将视频段Tk对应的特征范围内的特征输入到K-Means算法当中，设置K-Means算法聚簇类别为2，经过K-Means算法聚簇收敛后，取两个聚簇类别当中聚簇最多的类别的聚簇中心，得到Tk对应的代表性特征Tγk；遍历所有视频段，得到视频V对应的代表性特征序列Tγ1,Tγ2,…,Tγk,…,TγK； 步骤4具体方法如下： 将步骤3当中得到的代表性特征序列Tγ1,Tγ2,…,Tγk,…,TγK中的代表性特征与其所属视频段内的其它特征进行特征相似度计算，相似度对应的计算公式为： 其中，表示单个视频段中的视频帧总数，代表第k个视频段的第z个特征，代表 第k个视频段当中第z个特征在本段当中的特征相似度；由此得到第k个视频段内的所有相 似度序列{,,…,,…,； 遍历所有视频段，得到视频V的所有视频段的相似度序列，将所有视频段的相似度序列 组合到一起，得到视频V中所有帧的相似度序列{,,…,,…,,…,,…,,…,； 步骤6具体方法如下： 根据步骤5处理后的相似度序列，生成L×T的全零矩阵M，其中L是分类的类别，然后对其进行赋值： 其中r代表全零矩阵M的行号，c代表全零矩阵M的列号，Li代表第i帧的真实类别对应的 下标，代表平滑后的第k个视频段当中第z个特征在本段当中的特征相似度； 步骤7具体方法如下： 为了更好的监督神经网络，使用传统的硬标签损失与构建的监督矩阵一同构建损失以 监督动作分割网络；总损失分为两部分和，并且使用一个超参数来协 调两个损失，其中是传统的交叉熵损失，而是由监督矩阵所构建的软损失； 其中为预测类的概率，代表输入样本的真实标签，代表输入样本， 代表样本是否是第类，是就取1，否则取0； 其中代表步骤6生成的监督矩阵的第列，T代表总帧数，代表输入样本， 表第列生成的相似度矩阵中预测类为的相似度，代表样本是否是第类； 总损失： 其中为调整的超参数； 根据计算的联合损失进行反向传播更新动作分割网络参数，实现动作分割网络优化。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。