買(mǎi)專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州電子科技大學(xué)申請(qǐng)的專利基于多尺度特征融合的無(wú)偏動(dòng)物行為識(shí)別方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120260142B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-19發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510748275.1，技術(shù)領(lǐng)域涉及：G06V40/20；該發(fā)明授權(quán)基于多尺度特征融合的無(wú)偏動(dòng)物行為識(shí)別方法及系統(tǒng)是由毛阿秀;朱美蘆;汪開(kāi)英;彭淼蕓;酈彥臻;陳政;徐可聲;甘鳳嬌;顏力琦設(shè)計(jì)研發(fā)完成，并于2025-06-06向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于多尺度特征融合的無(wú)偏動(dòng)物行為識(shí)別方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明屬于動(dòng)物行為檢測(cè)技術(shù)領(lǐng)域，具體涉及基于多尺度特征融合的無(wú)偏動(dòng)物行為識(shí)別方法及系統(tǒng)。方法包括：S1，通過(guò)基于混合專家系統(tǒng)的多尺度特征融合模塊，自適應(yīng)地融合不同采樣頻率數(shù)據(jù)，用于捕捉各類無(wú)偏動(dòng)物行為的特異性表征；S2，通過(guò)神經(jīng)坍縮驅(qū)動(dòng)的分類器校準(zhǔn)模塊，最大化不同類別分類器權(quán)重向量間的夾角，完成無(wú)偏動(dòng)物行為分類模型的構(gòu)建，用于實(shí)現(xiàn)在類別不均衡下的無(wú)偏動(dòng)物行為分類；S3，采用類別平衡焦點(diǎn)損失作為損失函數(shù)對(duì)所述無(wú)偏動(dòng)物行為分類模型進(jìn)行優(yōu)化。本發(fā)明具有能夠通過(guò)構(gòu)建多尺度采樣特征融合網(wǎng)絡(luò)，并結(jié)合分類器動(dòng)態(tài)校準(zhǔn)機(jī)制，實(shí)現(xiàn)對(duì)各類動(dòng)物行為的精準(zhǔn)判別。

本發(fā)明授權(quán)基于多尺度特征融合的無(wú)偏動(dòng)物行為識(shí)別方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.基于多尺度特征融合的無(wú)偏動(dòng)物行為識(shí)別方法，其特征在于，包括如下步驟： S1，通過(guò)基于混合專家系統(tǒng)的多尺度特征融合模塊，自適應(yīng)地融合不同采樣頻率數(shù)據(jù)，用于捕捉各類行為的特異性表征； S2，通過(guò)神經(jīng)坍縮驅(qū)動(dòng)的分類器校準(zhǔn)模塊，最大化不同類別分類器權(quán)重向量間的夾角，完成無(wú)偏動(dòng)物行為分類模型的構(gòu)建，用于實(shí)現(xiàn)在類別不均衡下的無(wú)偏動(dòng)物行為分類； S3，采用類別平衡焦點(diǎn)損失作為損失函數(shù)對(duì)所述無(wú)偏動(dòng)物行為分類模型進(jìn)行優(yōu)化； 在步驟S2中，所述神經(jīng)坍縮驅(qū)動(dòng)的分類器校準(zhǔn)模塊包括參數(shù)固定的等角緊框架分類器和參數(shù)可學(xué)習(xí)的全連接層分類器；所述參數(shù)固定的等角緊框架分類器，具體包括如下過(guò)程： S211，在訓(xùn)練開(kāi)始時(shí)隨機(jī)合成分類器向量，并確保所述分類器向量符合單純形等角緊框架屬性，具體如下： 設(shè)定有一組包含M個(gè)向量的集合V＝[v1,v2,…,vM]∈Rd×M,其中d表示特征維度，M表示類別數(shù)量，且滿足條件d≥M-1；若滿足以下條件，則該向量集被視為單純形等角緊框架： 其中，U∈Rd×M允許進(jìn)行旋轉(zhuǎn)并滿足UTU＝IM；IM為單位矩陣，1M表示長(zhǎng)度為M且數(shù)值全為1的向量；單純形等角緊框架內(nèi)的所有向量具有相等的l2范數(shù)和相同的成對(duì)夾角； S212，將歸一化向量構(gòu)建為等角緊框架分類器的固定權(quán)重矩陣，并在整個(gè)訓(xùn)練過(guò)程中保持不變； S213，通過(guò)投影層g對(duì)式3得到的融合特征ef∈RC進(jìn)行投影，得到特征設(shè)置d＝M進(jìn)行維度調(diào)節(jié)，用于后續(xù)在分類器校準(zhǔn)模塊中達(dá)到神經(jīng)坍縮狀態(tài)； S214，將特征歸一化為 S215，將與步驟S212中預(yù)定義的分類器權(quán)重相乘，得到邏輯值 其中，μ表示用于縮放特征乘積的可學(xué)習(xí)的溫度系數(shù)，和都具有[-1,1]的有限范圍；表示類別m對(duì)應(yīng)所獲的邏輯值，其中1≤m≤M。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市錢(qián)塘區(qū)白楊街道2號(hào)大街1158號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。