[發明專利]一種用于具有長尾分布特性的單猴視頻動作分類方法

在審

• 申請號: 202210254527.1
• 申請日: 2022-03-15
• 公開（公告）號: CN114596590A
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 朱磊;范文萱
• 申請（專利權）人: 北京信智文科技有限公司
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V40/20;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京律譜知識產權代理有限公司 11457
• 代理人: 黃云鐸

本發明提出一種用于具有長尾分布特性的單猴視頻動作分類方法，包括步驟一：建立猴子動作數據集；步驟二：構建單猴視頻動作分類模型，利用訓練集在深度神經網絡訓練一個包含兩個階段的網絡模型，第一階段提取特征，第二階段進行分類，然后固定特征提取參數，對分類學習參數進行歸一化，學習放縮調節因子以調節分類器參數；步驟三：利用測試集對訓練的模型進行評估，確定模型性能；步驟四：將上述訓練和驗證好的模型進行部署，在實際場景中對視頻數據進行分類。本發明通過固定特征提取網絡參數，僅對分類學習參數調節來重新平衡分類器的決策邊界，以實現長尾分布數據準確性的目的。這種分類方法不需要額外的重訓練或重采樣或設計特別的損失函數。

技術領域

本發明涉及計算機視覺技術領域，具體涉及一種用于具有長尾分布特性的單猴視頻動作分類方法。

背景技術

自然界中各種真實的數據通常呈現出不平衡的長尾分布的形態，比如本數據集中猴子蹲坐的頻次很高，而向上跳躍和向下跳躍的頻次則很低。自然場景中只有少部分類別有大量樣本，而其余大本部類別只有少量樣本。類別的極度不平衡給深度學習和視覺識別帶來極大的挑戰，導致基于數據的模型學習被“頭部”即樣本數量多的類別主導而過擬合，而“尾部”即樣本數量少的類別欠擬合，模型結果欠佳且泛化能力很差。因此，解決長尾分布數據的不平衡問題有重要應用前景。

目前主要解決長尾分布不平衡問題的方法主要包括三類：(1)數據重采樣，通過“尾部”類別的過采樣或“頭部”類別的欠采樣人工平衡數據后再進行訓練學習。(2)類平衡損失，通過給不同類別設定不同的損失函數或設計特別的損失函數解決數據不平衡問題。(3)遷移學習，將在“頭部”學習到的特征遷移到“尾部”?，F有方法多是針對圖像分類，還未有提出針對視頻分類的方法，另外現有方法步驟較繁瑣，很依賴于平衡后的數據質量或損失函數的設計，且數據重采樣后“尾部”類性能的提升往往以犧牲“頭部”類的性能為代價，而遷移學習可能會進一步加強不平衡。

因此需要提出一種簡單、不需要額外的重采樣或重訓練且對圖像和視頻分類都適用的分類方法，使得在長尾分布數據上得到頭尾部分類準確性都很高的結果。

發明內容

本發明是為了解決對數據不均衡的猴子的動作視頻分類結果不理想問題，提出一種基于分類學習參數歸一化的對長尾分布特性的單猴視頻數據的分類方法。

具體的，提供了一種用于具有長尾分布特性的單猴視頻動作分類方法，其特征在于，所述單猴視頻動作分類方法包括以下步驟：

步驟1，構建猴子的動作數據集；

步驟2，通過數據集對深度神經網絡進行訓練，構建單猴視頻動作分類模型；

步驟3：對模型進行評估，判定模型的穩定性和泛化能力；

步驟4：分析分類效果，如果效果不理想可以回到步驟2中進一步訓練以得到性能更好的模型；

在步驟S2中，還包括以下步驟：

步驟21，輸入符合長尾分布的動作數據集，不進行類平衡采樣，直接輸入深度神經網絡訓練進行特征提取；

步驟22，深度神經網絡通過線性分類器進行分類；

步驟23，對分類器的參數進行歸一化得到最終的分類模型。

更進一步地，在步驟1中，所述動作數據集中第i個數據為X_i＝{x_i，y_i}，其中，x_i為第i個視頻，y_i為第i個視頻的標簽即類別，記n_k為第k類視頻的個數，是所有類別視頻的總數。

更進一步地，在步驟S21中，所述特征為：

f(x；θ)＝z

其中x為輸入的視頻數據，θ為深度神經網絡參數，z為提取的特征向量。