本发明公开了一种基于人体骨骼序列的动作预测方法,该方法充分利用人体拓扑图结构,采用图卷积网络提取丰富的、具有代表性的时空特征,通过采用多老师模型的知识蒸馏技术,低观测率序列从完整序列和高观测率序列学习先验知识,具体地,每个样本实例根据观测率自适应地选择对应的预训练老师模型,进行知识迁移学习。多老师模型自适应指导生成的学生模型,通过采用再生网络技术,迭代训练生成多个学生模型。在再生网络训练过程中,由于低观测率下模型分类性能较弱,以样本实例观测率为依据对交叉熵损失函数进行加权,从而优化学生模型。通过采用加权融合策略,将多个学生模型的预测结果进行融合作为最终的预测分类结果,具有预测准率高等优点。
声明:
“基于人体骨骼序列的动作预测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)