公开(公告)号：CN118153644A

公开(公告)日：2024-06-07

申请号：CN202410218466.2

申请日：2024-02-28

申请人： 西安电子科技大学广州研究院 ,  西安电子科技大学

发明人： 岳佳豪 ,  王笛 ,  唐瑜 ,  张星雨 ,  万波

IPC分类号： G06N3/049 ,  G06N3/06 ,  G06N3/08

摘要： 本发明公开了一种基于脉冲神经网络的多尺度脑网络模型构建方法，涉及神经网络技术领域。该方法包括如下步骤：建立基于脉冲神经网络的视觉脑区模型；建立基于视觉脑区的多尺度脑网络模型；设置任务通过采集脑网络生成的血氧信号并进行分析，获取大脑中不同脑区之间的交互规律。本发明通过构建一种基于脉冲神经网络的视觉脑区模型完成微观层面的小鼠视觉脑区搭建，然后构建出一种基于视觉脑区的小鼠多尺度脑网络模型完成多尺度脑网络模型的搭建，最后设置一些任务通过采集脑网络生成的血氧信号并进行分析，来探究脑网络动力学揭示了大脑中不同脑区之间的交互规律，为大规模人工神经网络设计提供新思路。

公开(公告)号：CN113239869B

公开(公告)日：2023-08-11

申请号：CN202110605394.3

申请日：2021-05-31

申请人： 西安电子科技大学

发明人： 刘芳 ,  李玲玲 ,  唐瑜 ,  焦李成 ,  陈璞华 ,  郭雨薇 ,  刘旭 ,  古晶

IPC分类号： G06V40/20 ,  G06V10/764 ,  G06V10/80 ,  G06V10/74 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于关键帧序列和行为信息的两阶段行为识别方法及系统，通过计算视频帧的稀疏表示结果之间的相似度，筛选掉相似的相邻帧，获得关键帧序列；使用行为类别标签的行为信息计算类别之间的相似度，并将所有的行为类别划分为若干个大类；构建两阶段的行为识别方法模型并训练，第一阶段的训练使网络具有粗分类的能力，第二阶段的训练使网络具有细分类的能力；最后使用训练好的模型对视频进行识别。本发明获取了视频的关键帧序列作为输入数据，使其包含更多的信息，并利用行为类别标签的信息，将网络训练过程和识别过程划分为两个阶段，最终使网络的学习过程更加容易，并提升了识别准确率。

公开(公告)号：CN113239869A

公开(公告)日：2021-08-10

申请号：CN202110605394.3

申请日：2021-05-31

申请人： 西安电子科技大学

发明人： 刘芳 ,  李玲玲 ,  唐瑜 ,  焦李成 ,  陈璞华 ,  郭雨薇 ,  刘旭 ,  古晶

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/08

摘要： 本发明公开了一种基于关键帧序列和行为信息的两阶段行为识别方法及系统，通过计算视频帧的稀疏表示结果之间的相似度，筛选掉相似的相邻帧，获得关键帧序列；使用行为类别标签的行为信息计算类别之间的相似度，并将所有的行为类别划分为若干个大类；构建两阶段的行为识别方法模型并训练，第一阶段的训练使网络具有粗分类的能力，第二阶段的训练使网络具有细分类的能力；最后使用训练好的模型对视频进行识别。本发明获取了视频的关键帧序列作为输入数据，使其包含更多的信息，并利用行为类别标签的信息，将网络训练过程和识别过程划分为两个阶段，最终使网络的学习过程更加容易，并提升了识别准确率。

公开(公告)号：CN113378722B

公开(公告)日：2023-04-07

申请号：CN202110657341.6

申请日：2021-06-11

申请人： 西安电子科技大学

发明人： 刘芳 ,  唐瑜 ,  李玲玲 ,  杨苗苗 ,  李鹏芳 ,  李硕 ,  郭雨薇 ,  黄欣研

IPC分类号： G06V40/20 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

摘要： 本发明公开了一种基于3D卷积和多级语义信息融合的行为识别方法及系统，通过3D卷积网络提取视频帧序列的时空特征；为了防止在3D卷积过程中丢失某些对识别出行为类别极为关键的时间语义信息，使用多级语义信息融合模块来聚集3D卷积网络中各个中间层特征所包含的时间语义信息；将提取出的时间语义信息和3D卷积网络所提取的特征进行融合并分类，得到行为类别。本发明利用LSTM网络设计了多级语义信息融合模块，该模块从3D卷积网络所产生的中间特征中提取时间语义信息，并将其和3D卷积网络提取的最终特征进行融合，使网络的分类器接收更多的信息，提升最终的识别准确率。

公开(公告)号：CN113378722A

公开(公告)日：2021-09-10

申请号：CN202110657341.6

申请日：2021-06-11

申请人： 西安电子科技大学

发明人： 刘芳 ,  唐瑜 ,  李玲玲 ,  杨苗苗 ,  李鹏芳 ,  李硕 ,  郭雨薇 ,  黄欣研

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于3D卷积和多级语义信息融合的行为识别方法及系统，通过3D卷积网络提取视频帧序列的时空特征；为了防止在3D卷积过程中丢失某些对识别出行为类别极为关键的时间语义信息，使用多级语义信息融合模块来聚集3D卷积网络中各个中间层特征所包含的时间语义信息；将提取出的时间语义信息和3D卷积网络所提取的特征进行融合并分类，得到行为类别。本发明利用LSTM网络设计了多级语义信息融合模块，该模块从3D卷积网络所产生的中间特征中提取时间语义信息，并将其和3D卷积网络提取的最终特征进行融合，使网络的分类器接收更多的信息，提升最终的识别准确率。