一種行為識別方法、電子設備及存儲介質(zhì)

基本信息

申請?zhí)?/td> CN202210284756.8 申請日 -
公開（公告）號 CN114724240A 公開（公告）日 2022-07-08
申請公布號 CN114724240A 申請公布日 2022-07-08
分類號 G06V40/20（2022.01）I;G06V20/40（2022.01）I;G06V20/62（2022.01）I;G06V10/774（2022.01）I;G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 楊帆;馮帥;白立群;胡建國 申請（專利權(quán)）人 小視科技（江蘇）股份有限公司
代理機構(gòu) 北京德崇智捷知識產(chǎn)權(quán)代理有限公司 代理人 -
地址 210000江蘇省南京市江寧區(qū)高新園龍眠大道568號
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種行為識別方法、電子設備及存儲介質(zhì)，其中行為識別方法包括：獲取已標注和未標注數(shù)據(jù)，并分別對獲取的已標注和未標注數(shù)據(jù)進行預處理；構(gòu)建大模型和小模型，使用大模型對小模型進行蒸餾訓練；大模型采用第一編碼器和解碼器結(jié)構(gòu)，包含五個分支，分別為文本特征分支、音頻特征分支、視頻幀預測分支、分類器分支以及視頻序列對比學習分支；小模型蒸餾部分僅由第二編碼器構(gòu)成，通過大模型蒸餾訓練第二編碼器的參數(shù)；采用訓練獲得的大模型和/或小模型，對行為進行識別。使用音頻、文本及視頻幀等多模態(tài)信息產(chǎn)生優(yōu)化目標，為模型做監(jiān)督，使得預訓練網(wǎng)絡具有更加均衡的特征提取能力，可以高效的應用于下游的子任務中。