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！

龙图腾网获悉北京体育大学申请的专利动作特征获取方法、装置、电子设备及存储介质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：CN118675006B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202410700494.8，技术领域涉及：G06V10/771；该发明授权动作特征获取方法、装置、电子设备及存储介质是由刘泽婷;李开航;秦雄;沈媛媛设计研发完成，并于2024-05-31向国家知识产权局提交的专利申请。

本动作特征获取方法、装置、电子设备及存储介质在说明书摘要公布了：本发明提供一种动作特征获取方法、装置、电子设备及存储介质。所述方法包括：获取初始特征集合，所述初始特征集合包括与时间序列任务相关的多个动作特征；在将所述初始特征集合输入训练好的神经网络模型的情况下，根据所述训练好的神经网络模型的梯度信息，确定所述初始特征集合中每个动作特征对应的评价参数；根据所述每个动作特征对应的评价参数进行特征选择，得到目标特征子集。所述方法实现了从大量动作特征中选择出最有价值的动作特征，提升了动作特征获取的准确性。

本发明授权动作特征获取方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种动作特征获取方法，其特征在于，包括： 获取初始特征集合，所述初始特征集合包括与时间序列任务相关的多个动作特征； 在将所述初始特征集合输入训练好的神经网络模型的情况下，根据所述训练好的神经网络模型的梯度信息，确定所述初始特征集合中每个动作特征对应的评价参数，所述评价参数用于指示动作特征的重要程度，所述训练好的神经网络模型是使用预设特征集合进行训练的，所述预设特征集合包括多个动作特征，所述训练好的神经网络模型的梯度信息是计算所述训练好的神经网络模型输入的梯度得到的，所述训练好的神经网络模型的梯度信息用于表征所述训练好的神经网络模型在分类过程中更看重哪些输入的信息； 根据所述每个动作特征对应的评价参数进行特征选择，得到目标特征子集，所述目标特征子集包括的动作特征的数量少于所述初始特征集合包括的动作特征的数量； 所述根据所述训练好的神经网络模型的梯度信息，确定所述初始特征集合中每个动作特征对应的评价参数，包括： 获取所述每个动作特征对应的梯度信息，所述每个动作特征对应的梯度信息是所述训练好的神经网络模型的损失函数对输入的所述每个动作特征的梯度信息； 根据所述每个动作特征对应的梯度信息，以及所述初始特征集合中所有动作特征对应的梯度信息，确定所述每个动作特征对应的评价参数； 所述每个动作特征对应的梯度信息包括每个动作特征对应的梯度绝对值，所述根据所述每个动作特征对应的梯度信息，以及所述初始特征集合中所有动作特征对应的梯度信息，确定所述每个动作特征对应的评价参数，包括： 计算所述每个动作特征对应的梯度绝对值在所述所有动作特征对应的梯度绝对值中的占比，得到所述每个动作特征对应的权重，所述每个动作特征对应的权重为所述每个动作特征对应的评价参数；所述根据所述每个动作特征对应的评价参数进行特征选择，得到目标特征子集，包括： 按照所述每个动作特征对应的权重的大小，确定目标特征子集。

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体育大学，其通讯地址为：100084 北京市海淀区信息路48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。