原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明涉及计算机视觉技术领域，尤其涉及一种基于级联注意力机制的弱监督时序动作检测方法，包括通过I3D网络提取视频特征，投影到另一向量空间，获得嵌入特征；通过分类器预测类激活序列；计算基线分支熵损失函数；使用注意力阈值擦除的方法确定视频中的其他片段是否包含次显著的动作片段；生成不同显著层次的动作注意力池化特征；融合形成级联的类激活序列；计算级联分支熵分类损失函数值；将基线分支的类激活序列中bottom‑k的动作激活分数视为背景片段；使用背景熵分类损失函数使得所有动作类别的背景片段的激活值最小。本发
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116310988 A
(43)申请公布日 2023.06.23
(21)申请号 202310283679.9
(22)申请日 2023.03.22
(71)申请人 常州机电职业技术学院
地址 21
文档评论（0）