CN114821801B - 动作识别方法、模型训练方法、装置、电子设备和存储介质 - Google Patents

动作识别方法、模型训练方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN114821801B
CN114821801B CN202210511763.7A CN202210511763A CN114821801B CN 114821801 B CN114821801 B CN 114821801B CN 202210511763 A CN202210511763 A CN 202210511763A CN 114821801 B CN114821801 B CN 114821801B
Authority
CN
China
Prior art keywords
input information
information
target object
action
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210511763.7A
Other languages
English (en)
Other versions
CN114821801A (zh
Inventor
王雅晴
窦德景
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202210511763.7A priority Critical patent/CN114821801B/zh
Publication of CN114821801A publication Critical patent/CN114821801A/zh
Application granted granted Critical
Publication of CN114821801B publication Critical patent/CN114821801B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本公开提供了一种动作识别方法，涉及人工智能技术领域，尤其涉及深度学习技术领域和音频数据处理技术领域。具体实现方案为：根据目标对象的动作，确定目标对象的当前输入信息；根据当前输入信息，确定与目标对象对应的处理参数，其中，处理参数包括缩放参数；以及根据处理参数和当前输入信息的特征信息，从与目标对象对应的多个动作类别中，识别与当前输入信息相匹配的动作类别。本公开还提供了一种深度学习模型的训练方法、装置、电子设备和存储介质。

Description

动作识别方法、模型训练方法、装置、电子设备和存储介质
技术领域
本公开涉及人工智能技术领域，尤其涉及深度学习技术领域和音频数据处理技术领域。更具体地，本公开提供了一种动作识别方法、深度学习模型的训练方法、装置、电子设备和存储介质。
背景技术
随着人工智能技术的发展，深度学习模型广泛地应用于动作识别场景中。例如，根据采集到的与动作相关的图像数据或音频数据，利用深度学习模型进行动作识别。
发明内容
本公开提供了一种动作识别方法、深度学习模型的训练方法、装置、设备以及存储介质。
根据本公开的一方面，提供了一种动作识别方法，该方法包括：根据目标对象的动作，确定目标对象的当前输入信息；根据当前输入信息，确定与目标对象对应的处理参数，处理参数包括缩放参数和平移参数；以及根据处理参数和当前输入信息的特征信息，从与目标对象对应的多个动作类别中，识别与当前输入信息相匹配的动作类别。
根据本公开的另一方面，提供了一种深度学习模型的训练方法，该方法包括：将目标对象的多个预定输入信息输入深度学习模型，得到M组处理参数，其中，M为大于或等于1的整数，每组处理参数包括至少一个缩放参数；根据目标对象的样本输入信息的特征信息和M组处理参数，确定样本输入信息的分类结果，其中，目标对象的样本输入信息是根据目标对象的动作确定的；以及根据分类结果与样本输入信息的类别标签之间的差异，对深度学习模型进行训练。
根据本公开的另一方面，提供了一种动作识别装置，该装置包括：第一确定模块，用于根据目标对象的动作，确定所述目标对象的当前输入信息；第二确定模块，用于根据当前输入信息，确定与目标对象对应的处理参数，其中，处理参数包括缩放参数；以及识别模块，用于根据处理参数和当前输入信息的特征信息，从与目标对象对应的多个动作类别中，识别与当前输入信息相匹配的动作类别。
根据本公开的另一方面，提供了一种深度学习模型的训练装置，该装置包括：获得模块，用于将目标对象的多个预定输入信息输入深度学习模型，得到M组处理参数，其中，M为大于或等于1的整数，每组处理参数包括至少一个缩放参数；第三确定模块，用于根据目标对象的样本输入信息的特征信息和M组处理参数，确定样本输入信息的分类结果，其中，目标对象的样本输入信息是根据目标对象的动作确定的；以及训练模块，用于根据分类结果与样本输入信息的类别标签之间的差异，对深度学习模型进行训练。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开提供的方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行根据本公开提供的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开提供的方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开的一个实施例的可以应用动作识别方法和装置的示例性系统架构示意图；
图2是根据本公开的一个实施例的动作识别方法的流程图；
图3是根据本公开的一个实施例的获得条件特征信息的原理图；
图4是根据本公开的一个实施例的编码块的原理图；
图5是根据本公开的一个实施例的深度学习模型的示意图；
图6是根据本公开的一个实施例的深度学习模型的训练方法的流程图；
图7是根据本公开的一个实施例的深度学习模型的训练方法的原理图
图8是根据本公开的一个实施例的动作识别装置的框图；
图9是根据本公开的一个实施例的深度学习模型的训练装置的框图；以及
图10是根据本公开的一个实施例的可以应用动作识别方法和/或深度学习模型的训练方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
智能设备，例如智能手机、智能音箱、智能手表等等，已经具备对动作、行为、生理、心理等情境信息进行感知或识别的能力。
对象在执行动作的过程中，会产生声波信号。可以采集与动作相关的音频数据或图像数据，进行的动作识别。例如，采集与动作相关的声波信号，作为音频数据，进行动作识别。声波信号的频率与调制方式可以自行选择。例如，可以选择与耳部感知频率以外的频段，以避免对正常生活的干扰。此外，在有外界噪声的情况下，可以保持动作识别操作的鲁棒性。也可以避免语音识别交互方式中的隐私泄露与社交尴尬问题。具有较高的交互私密性，提高用于体验，更适用于室内娱乐等场景。
但是，现有的动作识别技术(例如手势识别技术)需要大量的已标注手势数据作为训练数据。模型训练成本高，用户体验较差。
图1是根据本公开一个实施例的可以应用动作识别方法和装置的示例性系统架构示意图。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类别，例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是，本公开实施例所提供的动作识别方法一般可以由服务器105执行。相应地，本公开实施例所提供的动作识别装置一般可以设置于服务器105中。本公开实施例所提供的动作识别方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的动作识别装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
图2是根据本公开的一个实施例的动作识别方法的流程图。
如图2所示，该方法200可以包括操作S210至操作S230。
在操作S210，根据目标对象的动作，确定目标对象的当前输入信息。
例如，动作例如可以包括手势动作、脸部动作等等。
例如，可以采集与目标对象的动作相关的图像信号或音频信号。根据这些信号确定当前输入信息。
在操作S220，根据当前输入信息，确定与目标对象对应的处理参数。
例如，处理参数包括缩放参数。可以理解，可以按照各种方式确定与目标对象对应的处理参数。例如，根据当前输入信息，从多个处理参数中选择一个处理参数。
在操作S230，根据处理参数和当前输入信息的特征信息，从与目标对象对应的多个动作类别中，识别与当前输入信息相匹配的动作类别。
例如，可以利用各种方式确定当前输入信息的特征信息。例如，可以利用神经网络模型确定当前输入信息的特征信息。在一个示例中，可以利用ResNet(Residual Network，残差网络)模型确定当前输入信息的特征信息。ResNet模型例如可以是ResNet-18模型、ResNet-50模型等等。
例如，可以利用处理参数对当前输入信息的特征信息进行处理。在一个示例中，可以利用处理参数对特征信息进行各种运算，得到处理后特征信息。处理后特征信息中包括与多个动作类别对应的概率值，可以将与最大的概率值对应的动作类别作为与当前输入信息相匹配的动作类别。在一个示例中，可以利用处理参数对特征信息进行缩放，以得到处理后特征信息。
例如，每个动作类别与至少一个动作相对应。动作类别与动作之间的对应关系可以是预先设置的。
通过本公开实施例，可以进行准确的动作识别，提供用户体验。例如，可以使得智能设备(例如智能音箱、智能手机、智能可穿戴设备)准确地识别手势，提高交互效率，进而提高了用户体验。
在一些实施例中，根据目标对象的动作，确定目标对象的当前输入信息包括：采集由目标对象的动作产生的声波信号；以及确定声波信号的频域声波信号，作为当前输入信息。
例如，可以采集由目标对象的手势产生的声波信号；以及确定声波信号的频域声波信号，作为当前输入信息。
例如，可以对声波信号进行频域变换处理，得到声波信号的频域声波信号。
在一些实施例中，确定与目标对象对应的处理参数包括：确定来自目标对象的多个预定输入信息的参数编码特征信息；以及提取参数编码特征信息的多层感知特征，得到处理参数。
在一些实施例中，处理参数例如还包括平移参数。
例如，多个预定输入信息表征了N个动作类别，其中，N为大于1的整数。每个动作类别可以与至少一个预定输入信息对应。每个预定输入信息可以与一个动作对应。在一个示例中，可以预先获取目标对象的一个动作产生的声波信号，再确定该声波信号频域声波信号，作为一个预定输入信息。根据N个动作类别和多个预定输入信息，可以得到一个样本数据集St：
Figure BDA0003637291780000061
xi为第i个预定输入信息，yi为第i个动作类别。
例如，可以利用集合编码模块(Set Encoder)确定来自目标对象的多个预定输入信息的参数编码特征信息zt。集合编码模块可以是基于CNN(Convolutional NeuralNetwork，卷积神经网络)模型构建的。将多个预定输入信息输入集合编码模块中，利用以下公式可以得到参数编码特征信息zt：
Figure BDA0003637291780000062
|St|为样本数据集St中的样本数量。在一个示例中，|St|＝N＝26。每个动作类别可以指示一个手势动作。
又例如，可利用至少一个参数生成模块提取参数编码特征信息的多层感知特征，得到处理参数。参数生成模块可以是基于MLP(Multi-Layer Perceptron，多层感知器)模型构建的。将参数编码特征信息zt输入MLP模型，利用以下公式，得到缩放参数γ和平移参数β：
γ＝MLPγ(zt)               (公式三)
β＝MLPβ(zt)                 (公式四)
在另一些实施例中，第i个动作类别yi可以与K个预定输入信息对应。K为大于1的整数。在一个示例中，以K＝10且N＝26为示例，|St|＝N*K＝260。
在一些实施例中，多个动作类别包括N个动作类别；根据处理参数和当前输入信息的特征信息，从与目标对象对应的多个动作类别中，识别与当前输入信息相匹配的动作类别包括：利用缩放参数对当前输入信息的特征信息进行缩放，得到缩放特征信息；根据缩放特征信息和平移参数，得到条件特征信息；以及根据条件特征信息，从N个动作类别中，识别与当前输入信息相匹配的动作类别。
下面将结合图3至图5进行详细说明。
图3是根据本公开的一个实施例的获得条件特征信息的原理图。
如图3所示，可以利用FiLM(Feature-wise Linear Modulation，特征线性调制)层300根据当前输入信息xj的特征信息和处理参数，得到条件特征信息。
处理参数可以包括上文所述的缩放参数γ和平移参数β。
缩放参数γ可以为一个向量，例如，缩放参数γ可以包括C个缩放参数值：γ(1)、…、γ(c)、…、γ(C)。
平移参数β也可以为一个向量，例如，平移参数β可以包括C个平移参数值：β(1)、…、β(c)、…、β(C)。
例如，可以利用缩放参数γ对当前输入信息xj的特征信息进行缩放，得到缩放特征信息。再利用平移参数β和缩放特征信息，得到条件特征信息
Figure BDA0003637291780000071
如图3所示，条件特征信息
Figure BDA0003637291780000072
的第c个特征值
Figure BDA0003637291780000073
可以通过以下公式获得，其中c＝1，......C：
Figure BDA0003637291780000074
接下来，可以利用分类器根据条件特征信息进行分类，以便从N个动作类别中，识别与当前输入信息相匹配的动作类别。可以理解，可以使用例如Softmax作为分类器，当然也可以使用其他分类器，本公开不对此进行限制。
在一些实施例中，上文所述的神经网络模型可以包括至少一个编码块。每个编码块包括l个卷积层。
在一些实施例中，每个参数生成模块可以生成1组处理参数。每组处理参数可以包括l个缩放参数和l个平移参数。
例如，以神经网络模型是ResNet-18模型为示例。神经网络模型模型的每个编码块包括2个卷积层。每个参数生成模块可以生成1组处理参数。每组处理参数包括2个缩放参数和2个平移参数。例如，第m组处理参数可以为：
Figure BDA0003637291780000075
第m组处理参数包括第1个缩放参数和第1个平移参数
Figure BDA0003637291780000076
第m组处理参数还包括第2个缩放参数和第2个平移参数
Figure BDA0003637291780000077
m为大于1的整数。
可以理解，缩放参数或平移参数可以是一个向量。例如，第m组的第1个缩放参数
Figure BDA0003637291780000081
可以包括C个缩放参数值：
Figure BDA0003637291780000082
Figure BDA0003637291780000083
第m组第1个平移参数
Figure BDA0003637291780000084
可以包括C个平移参数值：
Figure BDA0003637291780000085
Figure BDA0003637291780000086
C为大于1的整数。
图4是根据本公开的一个实施例的编码块的原理图。
如图4所示，编码块Block_m 400可以包括Conv(卷积)层401、BN(BatchNormalization，批量归一化)层402、FiLM层403、ReLU(Rectified Linear Unit，线性整流单元)层404、Conv层405、BN层406、FiLM层407和ReLU层408。M为大于1的整数，m为大于或小于等于M的整数，m为大于1的整数。
如图4所示，编码块Block_m 400包括2个Conv层。可以利用一参数生成模块为编码块Block_m 400生成第m组处理参数。该处理参数例如可以为：
Figure BDA0003637291780000087
第m组处理参数例如可以包括：
Figure BDA0003637291780000088
Figure BDA0003637291780000089
Figure BDA00036372917800000810
为第m组的第1个缩放参数，
Figure BDA00036372917800000811
为第m组的第1个平移参数，
Figure BDA00036372917800000812
为第m组的第2个缩放参数，
Figure BDA00036372917800000813
为第m组的第2个平移参数。
可以将第m-1级条件特征信息输入编码块Block_m 400。例如，可以将第m-1级条件特征信息输入Conv层401，得到第m级一次卷积后特征信息。将第m级一次卷积后特征信息输入BN层402，得到第m级第一特征信息。可以将第m级第一特征信息作为第m级特征信息。
接下来，利用FiLM层403根据第m级第一特征信息和处理参数
Figure BDA00036372917800000814
得到第m级第一调制后特征信息。例如，FiLM层403可以利用第m组的第1个缩放参数
Figure BDA00036372917800000815
时第m级第一特征信息进行缩放，得到第m级第一缩放特征信息。接下来，FiLM层403可以根据第m组的第1个平移参数
Figure BDA00036372917800000816
和第m级第一缩放特征信息，得到第m级第一调制后特征信息。
将第m级第一调制后特征信息输入ReLU层404，得到第m级一次激励后特征信息。
将第m级一次激励后特征信息输入Conv层405，得到第m级二次卷积后特征信息。将第m级二次卷积后特征信息输入BN层406，得到第m级第二特征信息。
接下来，利用FiLM层407根据第m级第二特征信息和处理参数
Figure BDA0003637291780000091
得到第m级第二调制后特征信息。例如，FiLM层407可以利用第m组的第2个缩放参数
Figure BDA0003637291780000092
对第m级第二特征信息进行缩放，得到第m级第二缩放特征信息。接下来，FiLM层403可以根据第m组的第2个平移参数
Figure BDA0003637291780000093
和第m级第二缩放特征信息，得到第m级第二调制后特征信息。
将第m级第二调制后特征信息和第m-1级条件特征信息融合，得到第m级融合特征信息。将第m级融合特征信息输入ReLU层408，得到第m级条件特征信息。
在一个示例中，Conv层401或Conv层405采用的卷积核例如可以为3*3的卷积核。
可以理解，关于FiLM层403和FiLM层407的详细描述，可以参考上文所述的FiLM层300，本公开在此不再赘述。
可以理解，在另一些实施例中，可以将上文所述的第m级第二特征信息作为第m级特征信息。
可以理解，在另一些实施例中，可以将上文所述的第m级第一调制后特征信息和/或第m级第二调制后特征信息作为第m级条件特征信息。
图5是根据本公开的一个实施例的深度学习模型的示意图。
如图5所示，深度学习模型500包括集合编码模块510和参数生成模块。
例如，可以利用神经网络模型确定当前输入信息的特征信息。神经网络模型包括前置卷积处理级530、第一卷积处理级540_1、第二卷积处理级540_2、第三卷积处理级540_3、第四卷积处理级540_4、池化处理级550。例如，神经网络模型例如可以为ResNet_18模型。
神经网络模型的编码块Block_m包括l个卷积层。例如，m＝2，3，4，5，6，7，8；l＝2。可以理解，关于神经网络模型的编码块Block_m的详细描述，可以参考上文所述的编码块Block_m 400，本公开在此不再赘述。编码块Block_1 541与编码块Block_m类似，也可以包括l个卷积层。
例如，每个卷积处理级包括两个编码块Block。例如，第一卷积处理级540_1包括编码块Block_1 541和编码块Block_2 542。第二卷积处理级540_2包括编码块Block_3 543和编码块Block_4 544。第三卷积处理级540_3包括编码块Block_5 545和编码块Block_6546。第四卷积处理级540_4包括编码块Block_7 547和编码块Block_8 548。
参数生成模块数量是根据神经网络模型中编码块Block的数量确定的。每个参数生成模块可以生成1组处理参数。每组处理参数可以包括l个缩放参数和l个平移参数。
例如，参数生成模块的数量可以为8组。8组参数生成模块分别为：参数生成模块520_1、参数生成模块520_2、参数生成模块520_3、参数生成模块520_4、参数生成模块520_5、参数生成模块520_6、参数生成模块520_7和参数生成模块520_8。
每组参数生成模块可以生成1组处理参数。每组处理参数包括2个缩放参数和2个平移参数。例如，第m组处理参数可以为：
Figure BDA0003637291780000101
第m组处理参数例如可以包括：
Figure BDA0003637291780000102
Figure BDA0003637291780000103
为第m组的第1个缩放参数，
Figure BDA0003637291780000104
为第m组的第1个平移参数，
Figure BDA0003637291780000105
为第m组的第2个缩放参数，
Figure BDA0003637291780000106
为第m组的第2个平移参数。又例如，第1组处理参数与第m组处理参数类似，本公开在此不再赘述。
如图5所示，接收到当前输入信息xj之后，神经网络模型的前置卷积处理级对当前输入信息xj进行处理，得到初始特征信息。同时，参数生成模块520_1至参数生成模块520_8可以分别生成8组处理参数。
对初始特征信息进行处理，可以得到第1级特征信息。编码块Block_1 541可以根据第1组处理参数和第1级特征信息，得到第1级条件特征信息。
对第m-1级条件特征信息进行处理，可以得到第m级特征信息。编码块Block_m可以根据第m组处理参数和第m级特征信息，得到第m级条件特征信息。例如，编码块Block_8 548可以根据第8组处理参数和第8级特征信息，得到第8级条件特征信息。
接下来，再利用池化处理级550对第8级条件特征信息进行全局平均池化操作，得到输出特征信息
Figure BDA0003637291780000107
利用分类器560根据输出特征信息
Figure BDA0003637291780000108
进行分类，以进行动作识别，得到与当前输入信息xj匹配的动作类别。
可以理解，神经网络模型可以为ResNet_18模型、ResNet_50模型等各种模型。在另一些实施例中，若神经网络模型的编码块包括3个卷积层，则每组处理参数可以包括3个缩放参数和3个平移参数。
在一些实施例中，在利用分类器560根据输出特征信息进行分类过程中。可以先获取第i个预定输入信息xi属于第c个类别的概率值pc。例如，可以通过以下公式获取概率值pc：
Figure BDA0003637291780000111
Figure BDA0003637291780000112
为样本数据集St中类别为第c个类别的样本数据子集。
Figure BDA0003637291780000113
为根据第i个预定输入信息xi得到的输出特征信息。例如，利用上文所述的神经网络模型和深度学习模型处理第i个预定输入信息xi，可以得到输出特征信息
Figure BDA0003637291780000114
接下来，可以确定当前输入信息xj属于第c个类别的概率
Figure BDA0003637291780000115
为：
Figure BDA0003637291780000116
Figure BDA0003637291780000117
为根据当前输入信息xj得到的输出特征信息。
在一些实施例中，C可以等于N。
在一些实施例中，上述方法还包括：根据与所述当前输入信息相匹配的动作类别，执行以下操作中的至少之一：展示与所述动作类别对应的图标；和实现与所述动作类别对应的预设功能。
例如，图标例如可以是字符、表情图像等。又例如，可以预设动作类别与图标之间的对应关系，以便进行展示。
例如，动作例如可以是手势动作。又例如，预设功能例如可以包括返回功能。在一个示例中，动作类别可以指示目标对象的动作为手平行移动。接下来，可以实现返回至预设界面的功能。
图6是根据本公开的一个实施例的深度学习模型的训练方法的流程图。
如图6所示，该方法600可以包括操作S610至操作S630。
在操作S610，将目标对象的多个预定输入信息输入深度学习模型，得到M组处理参数。
例如，M为大于或等于1的整数。又例如，每组处理参数包括至少一个缩放参数。
例如，可以将多个预定输入信息转换为一个参数编码特征信息。再利用MLP模型提取参数编码特征信息的多层感知特征，作为M组处理参数。
在操作S620，根据目标对象的样本输入信息的特征信息和M组处理参数，确定样本输入信息的分类结果。
例如，目标对象的样本输入信息是根据目标对象的动作确定的。
例如，可以利用各种方式确定样本输入信息的特征信息。例如，可以利用神经网络模型确定样本输入信息的特征信息。在一个示例中，可以利用ResNet模型确定样本输入信息的特征信息。ResNet模型例如可以是ResNet-18模型、ResNet-50模型等等。
例如，可以利用处理参数对样本输入信息的特征信息进行处理。在一个示例中，可以利用处理参数对特征信息进行各种运算，得到处理后特征信息。处理后特征信息中包括与多个动作类别对应的概率值，可以将与最大的概率值对应的动作类别作为分类结果。在一个示例中，可以利用缩放参数对样本输入信息的特征信息进行缩放，以得到处理后特征信息。
在操作S630，根据分类结果与样本输入信息的类别标签之间的差异，对深度学习模型进行训练。
例如，可以利用各种损失函数确定分类结果与类别标签之间的差异。再利用该差异调整深度学习模型的参数，以进行训练。例如，损失函数例如可以是CE(Cross Entropy，交叉熵)损失函数。
通过本公开实施例，可以利用少量样本高效地训练该深度学习模型。此外，在训练过程中，可以降低对硬件算力的需求，可以有效降低训练成本。
在一些实施例中，深度学习模型包括集合编码模块和M组参数生成模块；将目标对象的多个预定输入信息输入深度学习模型，得到M组处理参数包括：将多个预定输入信息输入集合编码模块，得到针对目标对象的参数编码特征信息；以及利用M组参数生成模块，分别提取参数编码特征信息的多层感知特征，得到M组处理参数，其中，每组处理参数还包括至少一个平移参数。
在一些实施例中，多个预定输入信息表征了N个动作类别，N为大于1的整数；样本输入信息的标签指示了样本输入信息被分类为N个动作类别中的目标动作类别，样本输入信息的分类结果指示了样本输入信息被分类为目标动作类别的概率。
在一些实施例中，样本输入信息是通过以下操作得到的：采集由目标对象的动作产生的声波信号；以及确定声波信号的频域声波信号，作为样本输入信息。
例如，可以对声波信号进行时域变换和频域变换处理，得到声波信号的频域声波信号。
例如，可以预先获取目标对象的一个动作产生的声波信号，再确定该声波信号频域声波信号，作为一个预定输入信息。根据N个动作类别和多个预定输入信息，可以得到一个样本数据集St。样本数据集St可以实现为上文所述的公式一。公式一中的xi可以作为第i个预定输入信息，yi为第i个动作类别。
例如，可以利用一个集合编码模块确定来自目标对象的多个样本输入信息的参数编码特征信息zt。集合编码模块可以是基于CNN模型构建的。将多个样本输入信息输入集合编码模块中，利用上文所述的公式二得到参数编码特征信息zt。
又例如，可利用至少一个参数生成模块提取参数编码特征信息的多层感知特征，得到处理参数。参数生成模块可以是基于MLP模型构建的。将参数编码特征信息zt输入MLP模型，利用上文所述的公式三和公式四，得到缩放参数γ和平移参数β。
在一些实施例中，目标对象的样本输入信息的特征信息包括M级特征信息；根据目标对象的样本输入信息的特征信息和M组处理参数，确定样本输入信息的分类结果包括：根据目标对象的第m-1级条件特征信息，确定第m级特征信息，其中，m＝2，......M；利用第m组处理参数中的缩放参数，对第m级特征信息进行缩放，得到第m级缩放特征信息；以及根据第m级缩放特征信息和第m组处理参数中的平移参数，得到第m级条件特征信息。例如，可以利用上文的Block_m 400根据第m-1级条件特征信息进行处理，得到第m级条件特征信息。
在一些实施例中，目标对象的样本输入信息的第1级特征信息是通过对样本输入信息进行卷积得到的。
在一些实施例中，根据分类结果与样本输入信息的类别标签之间的差异，对深度学习模型进行训练包括：调整深度学习模型的参数，以使M组处理参数之间的欧氏距离与差异之和最小。
图7是根据本公开的一个实施例的深度学习模型的训练方法的原理图。
如图7所示，深度学习模型700包括集合编码模块710和参数生成模块。
例如，可以利用神经网络模型确定样本输入信息的特征信息。神经网络模型包括前置卷积处理级730、第一卷积处理级740_1、第二卷积处理级740_2、第三卷积处理级740_3、第四卷积处理级740_4、池化处理级750。神经网络模型例如可以为ResNet_18模型。
神经网络模型的编码块Block_m包括l个卷积层，l为大于或等于1的整数。例如，m＝2，3，4，5，6，7，8，l＝2。可以理解，关于神经网络模型的编码块Block_m的详细描述，可以参考上文所述的编码块Block_m 400，本公开在此不再赘述。与编码块Block_m 400类似，编码块Block_1也包括l个卷积层。
例如，每个卷积处理级包括两个编码块Block。例如，第一卷积处理级740_1包括编码块Block_1 741和编码块Block_2 742。第二卷积处理级740_2包括编码块Block_3 743和编码块Block_4 744。第三卷积处理级740_3包括编码块Block_5 745和编码块Block_6746。第四卷积处理级740_4包括编码块Block_7 747和编码块Block_8 748。
参数生成模块数量是根据神经网络模型中编码块Block的数量确定的。每个参数生成模块可以生成1组处理参数。每组处理参数可以包括l个缩放参数和l个平移参数。
例如，参数生成模块的数量可以为8组。8组参数生成模块分别为：参数生成模块720_1、参数生成模块720_2、参数生成模块720_3、参数生成模块720_4、参数生成模块720_5、参数生成模块720_6、参数生成模块720_7和参数生成模块720_8。
每组参数生成模块可以生成1组处理参数。每组处理参数包括2个缩放参数和2个平移参数。例如，第m组处理参数可以为：
Figure BDA0003637291780000151
第m组处理参数例如可以包括：
Figure BDA0003637291780000152
Figure BDA0003637291780000153
为第m组的第1个缩放参数，
Figure BDA0003637291780000154
为第m组的第1个平移参数，
Figure BDA0003637291780000155
为第m组的第2个缩放参数，
Figure BDA0003637291780000156
为第m组的第2个平移参数。又例如，第1组处理参数与第m组处理参数类似，本公开在此不再赘述。
可以理解，缩放参数或平移参数可以是一个向量。例如，第m组的第1个缩放参数
Figure BDA0003637291780000157
可以包括C个缩放参数值：
Figure BDA0003637291780000158
Figure BDA0003637291780000159
第m组第1个平移参数
Figure BDA00036372917800001510
可以包括C个平移参数值：
Figure BDA00036372917800001511
Figure BDA00036372917800001512
c为大于1的整数，c＝1，......，C。
与图5所示的实施例不同之处在于，可以将上文所述的当前输入信息xj作为一个样本输入信息xj，作为深度学习模型的一个训练样本。可以根据各种方式对样本输入信息xj进行标注，得到样本输入信息xj的标签yj。
如图7所示，接收到样本输入信息xj之后，神经网络模型的前置卷积处理级对样本输入信息xj进行处理，得到初始特征信息。同时，参数生成模块720_1至参数生成模块720_8可以分别生成8组处理参数。
对初始特征信息进行处理，可以得到第1级特征信息。编码块Block_1 741可以根据第1组处理参数和第1级特征信息，得到第1级条件特征信息。
对第m-1级条件特征信息进行处理，可以得到第m级特征信息。编码块Block_m可以根据第m组处理参数和第m级特征信息，得到第m级条件特征信息。例如，编码块Block_8 748可以根据第8组处理参数和第8级特征信息，得到第8级条件特征信息。
接下来，再利用池化处理级750对第8级条件特征信息进行全局平均池化操作，得到输出特征信息。利用分类器760根据输出特征信息进行分类，以进行动作识别，得到与样本输入信息xj匹配的动作类别。
可以理解，神经网络模型可以为ResNet_18模型、ResNet_50模型等各种模型。在另一些实施例中，若神经网络模型的编码块包括3个卷积层，则每组处理参数可以包括3个缩放参数和3个平移参数。
在利用分类器760根据输出特征信息进行分类过程中，可以利用上文所述的公式七确定样本输入信息xj属于第c个类别的概率
Figure BDA0003637291780000161
类似地，可以确定样本输入信息xj属于C个类别中每个类别的概率。共可以得到C个概率值，将C个概率值最大的概率值对应的类别作为分类结果pj。
接下来，可以根据分类结果pj和标签yj，确定二者之间的差异，并通过以下公式调整深度学习模型700的参数：
Figure BDA0003637291780000162
α为超参数，Nb为神经网络模型中的编码块Block的数目。Ntrain为测试样本数据集Qt的数量，样本数据集Qt包括上文所述的样本输入信息xj及其标签yj。以公式八为目标函数调整深度学习模型700的参数，可以防止过拟合，提高训练效率。
可以理解，上文所述的参数编码特征信息是通过公式二获得的。在另一些实施例中，可以通过以下公式获得参数编码信息：
zt＝aggregate({g(xi)：(xi，yi)∈St})      (公式九)
aggregate(·)为融合函数，可以是相加函数、加权平均函数、求平均函数等等。g(·)是一个神经网络模型。可以理解，g(·)可以是任意形式的神经网络模型。
在一些实施例中，C可以等于N。
图8是根据本公开的一个实施例的动作识别装置的框图。
如图8所示，该装置800可以包括第一确定模块810、第二确定模块820和识别模块830。
第一确定模块810，用于根据目标对象的动作，确定所述目标对象的当前输入信息。
第二确定模块820，用于根据所述当前输入信息，确定与所述目标对象对应的处理参数。例如，所述处理参数包括缩放参数。
识别模块830，用于根据所述处理参数和所述当前输入信息的特征信息，从与所述目标对象对应的多个动作类别中，识别与所述当前输入信息相匹配的动作类别。
在一些实施例中，所述第二确定模块包括：第一确定子模块，用于确定来自所述目标对象的多个预定输入信息的参数编码特征信息，其中，所述多个预定输入信息表征了N个动作类别，N为大于1的整数；以及第一提取子模块，用于提取所述参数编码特征信息的多层感知特征，得到所述处理参数。
在一些实施例中，处理参数还包括平移参数，所述多个动作类别包括N个动作类别；所述识别模块包括：第一缩放子模块，用于利用所述缩放参数对所述当前输入信息的特征信息进行缩放，得到缩放特征信息；第一获得子模块，用于根据所述缩放特征信息和所述平移参数，得到条件特征信息；以及第一识别子模块，用于根据所述条件特征信息，从所述N个动作类别中，识别与所述当前输入信息相匹配的动作类别。
在一些实施例中，所述第一确定模块包括：采集子模块，用于采集由所述目标对象的手势产生的声波信号；以及第二确定子模块，用于确定所述声波信号的频域声波信号，作为所述当前输入信息。
在一些实施例中，装置800还包括：执行模块，用于根据与所述当前输入信息相匹配的动作类别，通过以下至少之一子模块执行相关操作：展示子模块，用于展示与所述动作类别对应的图标；和实现子模块，用于实现与所述动作类别对应的预设功能。
图9是根据本公开的另一个实施例的深度学习模型的训练装置的框图。
如图9所示，该装置900可以包括获得模块910、第三确定模块920和训练模块930。
获得模块910，用于将目标对象的多个预定输入信息输入深度学习模型，得到M组处理参数。例如，M为大于或等于1的整数，每组处理参数包括至少一个缩放参数。
第三确定模块920，用于根据所述目标对象的样本输入信息的特征信息和所述M组处理参数，确定所述样本输入信息的分类结果。例如，所述目标对象的样本输入信息是根据所述目标对象的动作确定的。
训练模块，用于根据所述分类结果与样本输入信息的类别标签之间的差异，对所述深度学习模型进行训练。
在一些实施例中，所述深度学习模型包括集合编码模块和M组参数生成模块；所述获得模块包括：第二获得子模块，用于将所述多个预定输入信息输入集合编码模块，得到针对所述目标对象的参数编码特征信息；以及第二提取子模块，用于利用所述M组参数生成模块，分别提取所述参数编码特征信息的多层感知特征，得到所述M组处理参数，其中，每组处理参数还包括至少一个平移参数。
在一些实施例中，所述目标对象的样本输入信息的特征信息包括M级特征信息；所述第三确定模块包括：第三确定子模块，用于根据所述目标对象的第m-1级条件特征信息，确定第m级特征信息，其中，m为大于1的整数，m为小于或等于M的整数；第二缩放子模块，用于利用第m组处理参数中的缩放参数，对所述第m级特征信息进行缩放，得到第m级缩放特征信息；以及第三获得子模块，用于根据所述第m级缩放特征信息和第m组处理参数中的平移参数，得到第m级条件特征信息。
在一些实施例中，所述目标对象的样本输入信息的第1级特征信息是通过对所述样本输入信息进行卷积得到的。
在一些实施例中，所述多个预定输入信息表征了N个动作类别，N为大于1的整数；所述样本输入信息的标签指示了样本输入信息被分类为N个动作类别中的目标动作类别，所述样本输入信息的分类结果指示了样本输入信息被分类为所述目标动作类别的概率。
在一些实施例中，所述训练模块包括：调整子模块，用于调整所述深度学习模型的参数，以使所述M组处理参数之间的欧氏距离与所述差异之和最小。
本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图10示出了可以用来实施本公开的实施例的示例电子设备1000的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图10所示，设备1000包括计算单元1001，其可以根据存储在只读存储器(ROM)1002中的计算机程序或者从存储单元1008加载到随机访问存储器(RAM)1003中的计算机程序，来执行各种适当的动作和处理。在RAM 1003中，还可存储设备1000操作所需的各种程序和数据。计算单元1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(I/O)接口1005也连接至总线1004。
设备1000中的多个部件连接至I/O接口1005，包括：输入单元1006，例如键盘、鼠标等；输出单元1007，例如各种类别的显示器、扬声器等；存储单元1008，例如磁盘、光盘等；以及通信单元1009，例如网卡、调制解调器、无线通信收发机等。通信单元1009允许设备1000通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1001可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1001的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1001执行上文所描述的各个方法和处理，例如动作识别方法和/或深度学习模型的训练方法。例如，在一些实施例中，动作识别方法和/或深度学习模型的训练方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元1008。在一些实施例中，计算机程序的部分或者全部可以经由ROM1002和/或通信单元1009而被载入和/或安装到设备1000上。当计算机程序加载到RAM 1003并由计算单元1001执行时，可以执行上文描述的动作识别方法和/或深度学习模型的训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元1001可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行动作识别方法和/或深度学习模型的训练方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (20)

1.一种动作识别方法，包括：
采集由目标对象的手势产生的声波信号；
确定所述声波信号的频域声波信号，作为当前输入信息；
确定来自所述目标对象的多个预定输入信息的参数编码特征信息，其中，所述多个预定输入信息表征了N个动作类别，N为大于1的整数；
提取所述参数编码特征信息的多层感知特征；
将所述多层感知特征作为处理参数，其中，所述处理参数包括缩放参数；以及
根据所述处理参数和所述当前输入信息的特征信息，从与所述目标对象对应的多个动作类别中，识别与所述当前输入信息相匹配的动作类别。
2.根据权利要求1所述的方法，其中，所述处理参数还包括平移参数，所述多个动作类别包括N个动作类别；所述根据所述处理参数和所述当前输入信息的特征信息，从与所述目标对象对应的多个动作类别中，识别与所述当前输入信息相匹配的动作类别包括：
利用所述缩放参数对所述当前输入信息的特征信息进行缩放，得到缩放特征信息；
根据所述缩放特征信息和所述平移参数，得到条件特征信息；以及
根据所述条件特征信息，从所述N个动作类别中，识别与所述当前输入信息相匹配的动作类别。
3.根据权利要求1所述的方法，还包括：
根据与所述当前输入信息相匹配的动作类别，执行以下操作中的至少之一：
展示与所述动作类别对应的图标；和
实现与所述动作类别对应的预设功能。
4.一种深度学习模型的训练方法，所述深度学习模型包括集合编码模块和M组参数生成模块，所述方法包括：
将多个预定输入信息输入所述集合编码模块，得到针对目标对象的参数编码特征信息；
利用所述M组参数生成模块，分别提取所述参数编码特征信息的多层感知特征；
将M组所述多层感知特征作为M组处理参数，其中，M为大于或等于1的整数，每组处理参数包括至少一个缩放参数；
根据所述目标对象的样本输入信息的特征信息和所述M组处理参数，确定所述样本输入信息的分类结果，其中，所述目标对象的样本输入信息是根据所述目标对象的动作确定的；以及
根据所述分类结果与样本输入信息的类别标签之间的差异，对所述深度学习模型进行训练，
其中，样本输入信息是通过以下操作得到的：
采集由目标对象的动作产生的声波信号；以及
确定声波信号的频域声波信号，作为样本输入信息。
5.根据权利要求4所述的方法，其中，所述每组处理参数还包括至少一个平移参数。
6.根据权利要求5所述的方法，其中，所述目标对象的样本输入信息的特征信息包括M级特征信息；所述根据所述目标对象的样本输入信息的特征信息和所述M组处理参数，确定所述样本输入信息的分类结果包括：
根据所述目标对象的第m-1级条件特征信息，确定第m级特征信息，其中，m为大于1且小于或等于M的整数；
利用第m组处理参数中的缩放参数，对所述第m级特征信息进行缩放，得到第m级缩放特征信息；以及
根据所述第m级缩放特征信息和第m组处理参数中的平移参数，得到第m级条件特征信息。
7.根据权利要求6所述的方法，其中，所述目标对象的样本输入信息的第1级特征信息是通过对所述样本输入信息进行卷积得到的。
8.根据权利要求4所述的方法，其中，所述多个预定输入信息表征了N个动作类别，N为大于1的整数；所述样本输入信息的标签指示了样本输入信息被分类为N个动作类别中的目标动作类别，所述样本输入信息的分类结果指示了样本输入信息被分类为所述目标动作类别的概率。
9.根据权利要求4所述的方法，其中，所述根据所述分类结果与样本输入信息的类别标签之间的差异，对所述深度学习模型进行训练包括：
调整所述深度学习模型的参数，以使所述M组处理参数之间的欧氏距离与所述差异之和最小。
10.一种动作识别装置，包括：
采集子模块，用于采集由目标对象的手势产生的声波信号；以及
第二确定子模块，用于确定所述声波信号的频域声波信号，作为当前输入信息；
第一确定子模块，用于确定来自所述目标对象的多个预定输入信息的参数编码特征信息，其中，所述多个预定输入信息表征了N个动作类别，N为大于1的整数；
第一提取子模块，用于提取所述参数编码特征信息的多层感知特征；将所述多层感知特征作为处理参数，其中，所述处理参数包括缩放参数；以及
识别模块，用于根据所述处理参数和所述当前输入信息的特征信息，从与所述目标对象对应的多个动作类别中，识别与所述当前输入信息相匹配的动作类别。
11.根据权利要求10所述的装置，其中，所述处理参数还包括平移参数，所述多个动作类别包括N个动作类别；所述识别模块包括：
第一缩放子模块，用于利用所述缩放参数对所述当前输入信息的特征信息进行缩放，得到缩放特征信息；
第一获得子模块，用于根据所述缩放特征信息和所述平移参数，得到条件特征信息；以及
第一识别子模块，用于根据所述条件特征信息，从所述N个动作类别中，识别与所述当前输入信息相匹配的动作类别。
12.根据权利要求10所述的装置，还包括：
执行模块，用于根据与所述当前输入信息相匹配的动作类别，通过以下至少之一子模块执行相关操作：
展示子模块，用于展示与所述动作类别对应的图标；和
实现子模块，用于实现与所述动作类别对应的预设功能。
13.一种深度学习模型的训练装置，所述深度学习模型包括集合编码模块和M组参数生成模块，所述装置包括：
第二获得子模块，用于将多个预定输入信息输入集合编码模块，得到针对目标对象的参数编码特征信息；
第二提取子模块，用于利用所述M组参数生成模块，分别提取所述参数编码特征信息的多层感知特征；将M组所述多层感知特征作为M组处理参数，其中，M为大于或等于1的整数，每组处理参数包括至少一个缩放参数；
第三确定模块，用于根据所述目标对象的样本输入信息的特征信息和所述M组处理参数，确定所述样本输入信息的分类结果，其中，所述目标对象的样本输入信息是根据所述目标对象的动作确定的；以及
训练模块，用于根据所述分类结果与样本输入信息的类别标签之间的差异，对所述深度学习模型进行训练，
其中，样本输入信息是通过以下操作得到的：
采集由目标对象的动作产生的声波信号；以及
确定声波信号的频域声波信号，作为样本输入信息。
14.根据权利要求13所述的装置，其中，获得模块包括：
所述每组处理参数还包括至少一个平移参数。
15.根据权利要求14所述的装置，其中，所述目标对象的样本输入信息的特征信息包括M级特征信息；所述第三确定模块包括：
第三确定子模块，用于根据所述目标对象的第m-1级条件特征信息，确定第m级特征信息，其中，m为大于1的整数，m为小于或等于M的整数；
第二缩放子模块，用于利用第m组处理参数中的缩放参数，对所述第m级特征信息进行缩放，得到第m级缩放特征信息；以及
第三获得子模块，用于根据所述第m级缩放特征信息和第m组处理参数中的平移参数，得到第m级条件特征信息。
16.根据权利要求15所述的装置，其中，所述目标对象的样本输入信息的第1级特征信息是通过对所述样本输入信息进行卷积得到的。
17.根据权利要求13所述的装置，其中，所述多个预定输入信息表征了N个动作类别，N为大于1的整数；所述样本输入信息的标签指示了样本输入信息被分类为N个动作类别中的目标动作类别，所述样本输入信息的分类结果指示了样本输入信息被分类为所述目标动作类别的概率。
18.根据权利要求13所述的装置，其中，所述训练模块包括：
调整子模块，用于调整所述深度学习模型的参数，以使所述M组处理参数之间的欧氏距离与所述差异之和最小。
19.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至9中任一项所述的方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1至9中任一项所述的方法。
CN202210511763.7A 2022-05-10 2022-05-10 动作识别方法、模型训练方法、装置、电子设备和存储介质 Active CN114821801B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210511763.7A CN114821801B (zh) 2022-05-10 2022-05-10 动作识别方法、模型训练方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210511763.7A CN114821801B (zh) 2022-05-10 2022-05-10 动作识别方法、模型训练方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN114821801A CN114821801A (zh) 2022-07-29
CN114821801B true CN114821801B (zh) 2023-04-07

Family

ID=82513549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210511763.7A Active CN114821801B (zh) 2022-05-10 2022-05-10 动作识别方法、模型训练方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN114821801B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113449573A (zh) * 2020-03-27 2021-09-28 华为技术有限公司 一种动态手势识别方法及设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101879207B1 (ko) * 2016-11-22 2018-07-17 주식회사 루닛 약한 지도 학습 방식의 객체 인식 방법 및 장치
CN112446244A (zh) * 2019-08-29 2021-03-05 华为技术有限公司 人体动作的识别方法、神经网络的训练方法及相关装置、设备
CN114187650A (zh) * 2021-10-29 2022-03-15 深圳绿米联创科技有限公司 动作识别方法、装置、电子设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113449573A (zh) * 2020-03-27 2021-09-28 华为技术有限公司 一种动态手势识别方法及设备

Also Published As

Publication number Publication date
CN114821801A (zh) 2022-07-29

Similar Documents

Publication Publication Date Title
CN113378784B (zh) 视频标签推荐模型的训练方法和确定视频标签的方法
CN113989593A (zh) 图像处理方法、检索方法、训练方法、装置、设备及介质
CN115063875B (zh) 模型训练方法、图像处理方法、装置和电子设备
CN114242113B (zh) 语音检测方法、训练方法、装置和电子设备
CN114494784A (zh) 深度学习模型的训练方法、图像处理方法和对象识别方法
CN114663952A (zh) 对象分类方法、深度学习模型的训练方法、装置和设备
US12118770B2 (en) Image recognition method and apparatus, electronic device and readable storage medium
CN115496970A (zh) 图像任务模型的训练方法、图像识别方法以及相关装置
CN113516185B (zh) 模型训练的方法、装置、电子设备及存储介质
CN113205189B (zh) 训练预测模型的方法、预测方法及装置
CN113989152A (zh) 图像增强方法、装置、设备以及存储介质
CN113468857A (zh) 风格转换模型的训练方法、装置、电子设备以及存储介质
CN116343233B (zh) 文本识别方法和文本识别模型的训练方法、装置
CN113033373A (zh) 用于训练人脸识别模型及识别人脸的方法及相关装置
CN114821801B (zh) 动作识别方法、模型训练方法、装置、电子设备和存储介质
CN116204624A (zh) 应答方法、装置、电子设备及存储介质
CN116468479A (zh) 确定页面质量评估维度方法、页面质量的评估方法和装置
CN115719433A (zh) 图像分类模型的训练方法、装置及电子设备
CN113239215B (zh) 多媒体资源的分类方法、装置、电子设备及存储介质
CN113378050B (zh) 用户分类方法、装置和电子设备
CN114863162A (zh) 对象分类方法、深度学习模型的训练方法、装置和设备
CN115496916A (zh) 图像识别模型的训练方法、图像识别方法以及相关装置
CN115565186A (zh) 文字识别模型的训练方法、装置、电子设备和存储介质
CN114707638A (zh) 模型训练、对象识别方法及装置、设备、介质和产品
CN113806541A (zh) 情感分类的方法和情感分类模型的训练方法、装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant