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！

龙图腾网获悉北京工业大学申请的专利一种基于掩码金字塔增强的弱监督时序动作定位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：CN119723673B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202411917926.7，技术领域涉及：G06V40/20；该发明授权一种基于掩码金字塔增强的弱监督时序动作定位方法是由孔德慧;王静;李敬华;王晓晨;尹宝才设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本一种基于掩码金字塔增强的弱监督时序动作定位方法在说明书摘要公布了：本发明公开了一种基于掩码金字塔增强的弱监督时序动作定位方法，属于计算机视觉、动作定位领域。实现该方法的系统模块包括特征提取模块、用于动作完整性学习的掩码金字塔分类模块MPCM，以及用于特征判别性学习的注意力模块FDAM。特征提取模块是用于特征提取，作为后续环节的输入数据；MPCM利用时序自适应增强机制TAEM构建精细化增强的掩码金字塔，并在层级处理时引入掩码策略驱动模型挖掘与目标动作互补的新特征区域。对不同层级的分类结果进行感知融合生成增强类激活序列CAS。MPENet在FDAM中引入互斥损失，帮助模型专注于目标动作的关键部分，从而引导模型学习适当的注意力分布，提高模型对特征的理解和区分能力。最后，将CAS与注意力加权得到模型的预测结果。

本发明授权一种基于掩码金字塔增强的弱监督时序动作定位方法在权利要求书中公布了：1.一种基于掩码金字塔增强的弱监督时序动作定位方法，其特征在于，实现该方法的系统模块包括特征提取模块、用于动作完整性学习的掩码金字塔分类模块MPCM，以及用于特征判别性学习的注意力模块FDAM；特征提取模块是用于特征提取，作为后续环节的输入数据；MPCM首先利用时序自适应增强机制TAEM构建精细化增强的掩码金字塔，并在层级处理时引入掩码策略驱动模型挖掘与目标动作互补的新特征区域；然后对不同层级的分类结果进行感知融合生成增强类激活序列CAS，从而确保发现动作的完整时间间隔；为抑制CAS中上下文噪声地干扰，掩码金字塔增强网络MPENet在FDAM中引入互斥损失，专注于目标动作的关键部分，从而引导学习适当的注意力分布，提高对特征的理解和区分能力；最后，将CAS与注意力加权得到模型的预测结果； 所述特征提取模块是在一个包含日常活动和体育事件的数据集上进行训练；给定N个未剪辑视频和类别标签其中Yi∈{y1,y2...,yC+1}∈RC+1，yc∈{0,1}指示是否有cth类别动作出现在视频Vi，C是动作类别的总数，第C+1类表示背景类；每一个视频Vi都包含T个片段，表示为其中T为片段总数；对视频片段vt应用I3D特征提取器提取D维特征xi∈RD；片段特征沿时间维度拼接形成视频特征表示X＝[x1,...,xT]T∈RT×D，其作为后续环节的输入； 掩码金字塔分类模块的实施过程如下：将给定特征X输入嵌入层Φ生成嵌入特征Z1＝[Φx1,Φx2,...,ΦxT]T,Φxi∈RD为xi的嵌入特征，其包含一个1D卷积和RELU激活函数；然后，将Z1作为输入，使用步长深度为2的1D卷积层的进行下采样生成金字塔Z＝[Z1,Z2,..,ZL]，其中层的输入为计算公式如下： 结合时序金字塔与掩码策略提出了掩码金字塔；在金字塔层级中引入了时序自适应增强机制TAEM进行精细化建模，提升特征细节的表现能力，形成“精细化金字塔”；MPCM引入两个分支来分别检测不同区域的特征；精细化金字塔分类分支用于预测高辨别性的特征区域，而掩码驱动的精细化金字塔分类分支则通过掩码策略将检测到的高辨别区域进行掩码，引导模型挖掘与目标动作互补的低辨别特征部分；这两个分支的输出结果通过级联方式生成完整的动作预测，有效地缓解了分类和定位任务在优化目标上的差异； 精细化金字塔分类：对Z中的每一层应用时序自适应增强机制进行精细化上下文建模，并引入基础分类器CBC来检测动作的高辨别部分； 对于如果使用其后一层特征进行上下文增强；如果则使用其前一层特征应用自适应最大池化、Sigmoid激活以及残差连接操作得到精细化增强的特征金字塔中每一层的特征都经过了精细化上下文增强；计算如下： 其中，σ·表示sigmoid函数； 在特征精细化建模后，CBC将每一层特征序列投影到类别空间，以生成类激活得分CAS； 其中，CBC由线性函数实现，ηcas表示可学习的参数。

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工业大学，其通讯地址为：100000 北京市朝阳区平乐园100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。