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！

龙图腾网获悉江苏大学申请的专利一种基于改进长期循环卷积网络视频动作识别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：CN116503949B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310502758.4，技术领域涉及：G06V40/20；该发明授权一种基于改进长期循环卷积网络视频动作识别方法是由刘一松;蔡凯祥;高含露;李远祥设计研发完成，并于2023-05-06向国家知识产权局提交的专利申请。

本一种基于改进长期循环卷积网络视频动作识别方法在说明书摘要公布了：本发明公开了一种基于改进长期循环卷积网络视频动作识别方法，包括以下步骤：步骤1，使用单头自注意力机制计算一个视频帧的加权平均值。步骤2，在单头自注意力机制中嵌入二维相对位置编码。步骤3，将多个单头注意力拼接形成多头注意力计算一个视频帧的特征映射结果。步骤4，将嵌入相对位置信息的同时保持平移等价的二维相对自注意力机制增强卷积算子使卷积特征图和自注意力产生的特征图结果拼接使模型最终在卷积运算时可以关注到局部特征和全局上下文。相较于目前流行的长期循环卷积网络，本发明在网络的卷积部分结合多头自注意力，使在模型卷积运算时可以关注到局部特征和全局上下文从而提高模型对视频动作识别的准确率。

本发明授权一种基于改进长期循环卷积网络视频动作识别方法在权利要求书中公布了：1.一种基于改进长期循环卷积网络视频动作识别方法，其特征在于，包括以下步骤： 步骤1，使用单头自注意力机制计算一个视频帧的加权平均值； 步骤2，在单头自注意力机制中嵌入二维相对位置编码； 步骤3，将多个单头注意力拼接形成多头注意力计算一个视频帧的特征映射结果； 步骤4，将嵌入相对位置信息的同时保持平移等价的二维相对自注意力机制增强卷积算子使卷积特征图和自注意力产生的特征图结果拼接使模型最终在卷积运算时可以关注到局部特征和全局上下文； 步骤1的具体过程为： 定义如下命名规则：表示激活映射的输入过滤器的高度，宽度，数量；分别表示多头注意中的头数，值深度，查询深度和键深度；假设将和平均分割，并将表示每个注意头的值，查询和键的深度； 假设给定一个形状的视频帧张量，将其拉平为一个的矩阵，并执行Transformer中的多头注意力，单头自注意力的输出表示为： ； ，是可学习的线性变换，将输入映射到查询，键，值，以此得到一个视频帧通过单头自注意力计算出的加权平均值，多头注意力允许模型联合关注来自不同位置的不同表示子空间的信息； 步骤2的具体过程为： 如果不使用位置信息，那将导致自注意力得排列是等价的，对于诸如图像这种高度结构化数据得建模是无效的，已经提出的引入正弦波扩展位置信息和将位置通道连接到激活映射的CoordConv，但是这些位置编码对于图像分类和目标检测没有帮助，可能的原因是这些位置编码虽然不是排列等变的，但是不满足平移等变；平移等变是处理图像时所必须的特性；为此，通过独立的添加相关高度信息和相关宽度信息二维相对位置编码嵌入步骤1的单头自注意力中的表达式： ； 是沿高度和宽度维度的相对逻辑矩阵，满足，，是矩阵的第行，和分别是相关高度和相关宽度的学习嵌入,像素对像素的注意力逻辑表达式：；是矩阵的第行,相对位置嵌入和是在头之间学习和共享的，而不是在层之间。

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江苏大学，其通讯地址为：212013 江苏省镇江市京口区学府路301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。