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卡方过滤的双分支网络视频分割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：CN119672589B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411493382.6，技术领域涉及：G06V20/40；该发明授权一种基于卡方过滤的双分支网络视频分割方法是由李建军;李振辉;刘畅;叶茵;张磊;林乃键;黄天宸;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。

本一种基于卡方过滤的双分支网络视频分割方法在说明书摘要公布了：本发明公开了一种基于卡方过滤的双分支网络视频分割方法。首先利用现有的3D特征提取网络对数据集进行特征提取，然后对提取的特征进行再处理；将再处理的特征输入到双分支神经网络当中，为了结合两分支网络的特性，边界分支注重于识别边界，主干分支注重于识别动作主体，利用投票的形式结合双分支阶段输出的网络参数；最后反向传播更新参数。本发明针对于神经网络使用含有噪声的特征进行训练导致的过拟合问题，提出了一种特征预处理方式，使用卡方过滤与遗传算法来优化未经过处理的特征。本发明通过将预处理部分与双分支神经网络上进行结合，提高了预测的准确率，在50Salads与Gtea数据集上取得了出色的结果。

本发明授权一种基于卡方过滤的双分支网络视频分割方法在权利要求书中公布了：1.一种基于卡方过滤的双分支网络视频分割方法，其特征在于，包括步骤如下： 步骤1：利用3D特征提取网络对数据集进行特征提取； 步骤2：对数据集视频中提取的特征进行再处理；具体方法如下： 对于一个带有个动作的视频,其中代表视频中第帧图像所提取 到特征，代表其所对应标签，对于这整个视频，根据初始标签的个动作将提取到的特征 划分为K个视频段，然后针对各个视频段内的特征 进行卡方值计算，具体计算公式如下： 其中表示第个视频段的第帧的特征的值，代表第个视频段所有帧的 特征的平均值，代表视频段的第z帧特征的卡方值，z=1Z，Z表示视频段的帧 数； 遍历得到视频段内的所有帧的卡方值,,…,…；根据 这些卡方值的大小对提取的特征进行排名，得到一个经过排名的特征序列； 针对经过排名的特征序列，筛选出这一视频段内的后10%的特征，采用遗传算法的交叉 方式对这些特征进行优化；找到视频段内的后10%的特征在原始特征序列中各自的位置，然 后前后各检测2帧，在检测的这4帧中寻找在排名之后序列最靠前的特征，之后将这个特征 与待优化的特征进行遗传算法的交叉操作，作为新特征替换原特征，得到视频段的再处理 特征； 最后将所有视频段的再处理特征进行组合，得到视频的再处理特征序列： 步骤3：将再处理的特征输入到双分支神经网络当中，利用投票的形式结合双分支阶段输出的网络参数；具体方法如下： 将视频的再处理特征序列，分别输入到双分支神经网络的边界分支与主干分 支； 双分支神经网络的边界分支由4个结构相同的模块组成，其中的单个模块：首先通过一个1x1的卷积来匹配维度，然后通过4个固定卷积核来处理特征序列，最后通过一个N×K的卷积来匹配输出维度以此来得到边界分支单个模块的输出； 所述的主干分支使用ASFormer的原始结构，其也包含4个模块，与边界分支相对应； 对于边界分支和主干分支后续阶段模块的输入由投票模块Vnote_Compare进行判断， 投票模块采用投票的形式，来结合这两分支各阶段模块的输出，具体如下：设边界分支当前 阶段模块的输出为，主干分支当前阶段模块的输出为，通过以下公式来决定双分支神 经网络当前阶段的最终输出： 其中表示在输入中标签为的数量，表示的输入总数；表示在输 入中标签为的数量，表示的输入总数； 其中是为步骤1中预先定义好的显著标签集合； 将通过投票模块确定的双分支神经网络当前阶段的最终输出作为边界分支和主干分支下一阶段模块的输入；边界分支和主干分支最后一个阶段的最终输出即为最终的预测矩阵，将预测矩阵经过SoftMax归一化处理后，即可得到最终的预测序列； 步骤4：反向传播更新参数； 步骤5：测试训练好的网络模型，对训练好的模型进行评价。

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。