公开(公告)号：CN114882421A

公开(公告)日：2022-08-09

申请号：CN202210613367.5

申请日：2022-06-01

Applicant: 江南大学

Inventor： 曹毅 ,  吴伟官 ,  李平 ,  夏雨 ,  高清源

IPC: G06V20/40 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提供一种基于时空特征增强图卷积网络的骨架行为识别方法，其在图卷积过程中能充分提取丰富、有效的时空特征信息，提高了骨架行为识别的准确率。其结合空域特征增强模块、时域特征增强模块和通道注意力模块构建的时空特征增强图卷积模型，在多流网络下进行端到端的训练后得到的训练好的人体骨架行为识别支流模型，将每一个人体骨架行为识别支流模型的输出融合，得到最终的骨架行为识别结果；在对待识别时空图进行在图卷积过程中能充分提取丰富、有效的时空特征信息，使模型取得优异的识别准确率和良好的泛化性能。

公开(公告)号：CN114882421B

公开(公告)日：2024-03-26

申请号：CN202210613367.5

申请日：2022-06-01

Applicant: 江南大学

Inventor： 曹毅 ,  吴伟官 ,  李平 ,  夏雨 ,  高清源

IPC: G06V20/40 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提供一种基于时空特征增强图卷积网络的骨架行为识别方法，其在图卷积过程中能充分提取丰富、有效的时空特征信息，提高了骨架行为识别的准确率。其结合空域特征增强模块、时域特征增强模块和通道注意力模块构建的时空特征增强图卷积模型，在多流网络下进行端到端的训练后得到的训练好的人体骨架行为识别支流模型，将每一个人体骨架行为识别支流模型的输出融合，得到最终的骨架行为识别结果；在对待识别时空图进行在图卷积过程中能充分提取丰富、有效的时空特征信息，使模型取得优异的识别准确率和良好的泛化性能。

公开(公告)号：CN113744758B

公开(公告)日：2023-12-01

申请号：CN202111089655.7

申请日：2021-09-16

Applicant: 江南大学

Inventor： 曹毅 ,  黄子龙 ,  费鸿博 ,  吴伟官 ,  夏宇 ,  周辉

IPC: G10L25/24 ,  G10L25/30 ,  G10L25/48 ,  G10L25/51 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供的基于2‑DenseGRUNet模型的声音事件检测方法，以2阶DenseNet网络模型为基础，加入了门控循环单元GRU网络，构建了声音事件检测模型；相对于传统卷积神经网络以及循环神经网络模型，本专利技术方案中的声音事件检测模型结合了2‑DenseNet和GRU的优点，既能更高效利用特征信息将其融合，获取更多有效的特征信息，同时可有效进行时间序列建模。基于本专利技术方案中的声音事件检测模型在检测城市声音事件中，具有更低的平均片段错误率，和更高的F‑Score分数，确保基于本发明方法进行的声音分类结果更加准确。

公开(公告)号：CN113744758A

公开(公告)日：2021-12-03

申请号：CN202111089655.7

申请日：2021-09-16

Applicant: 江南大学

Inventor： 曹毅 ,  黄子龙 ,  费鸿博 ,  吴伟官 ,  夏宇 ,  周辉

IPC: G10L25/24 ,  G10L25/30 ,  G10L25/48 ,  G10L25/51 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明提供的基于2‑DenseGRUNet模型的声音事件检测方法，以2阶DenseNet网络模型为基础，加入了门控循环单元GRU网络，构建了声音事件检测模型；相对于传统卷积神经网络以及循环神经网络模型，本专利技术方案中的声音事件检测模型结合了2‑DenseNet和GRU的优点，既能更高效利用特征信息将其融合，获取更多有效的特征信息，同时可有效进行时间序列建模。基于本专利技术方案中的声音事件检测模型在检测城市声音事件中，具有更低的平均片段错误率，和更高的F‑Score分数，确保基于本发明方法进行的声音分类结果更加准确。