一种基于自监督学习的工厂人员异常行为检测方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明提供了一种基于自监督学习的工厂人员异常行为检测方法,具体包括如下步骤:构建四种图结构,包括:基于距离的图结构、基于二阶最近距离的图结构、基于纹理相似性的图结构和基于运动信息的图结构,并基于图卷积神经网络GCN进行动作帧的特征提取;基于3D卷积神经网络,对动作帧进行特征提取;基于对比学习的图卷积神经网络模型与3D卷积神经网络模型模型进行预训练;将3D卷积神经网络和图卷积神经网络提取的特征进行拼接,并利用时间卷积网络TCN对人员动作进行预测。本发明的技术方案克服现有技术中基于图卷积模型异常行为检测方法较为简单、算法准确率较低的问题。
《一种基于自监督学习的工厂人员异常行为检测方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2024100595468,当前法律状态为已下证,由青岛大学提出申请,发明人为李臻;张元明;姜伟;张群浩;丁善洋,申请日期为2024-01-16,公开(公告)日期为2024-09-27,国际专利分类号(IPC)为 G06V 40/20 (2022.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明提供了一种基于自监督学习的工厂人员异常行为检测方法,具体包括如下步骤:构建四种图结构,包括:基于距离的图结构、基于二阶最近距离的图结构、基于纹理相似性的图结构和基于运动信息的图结构,并基于图卷积神经网络GCN进行动作帧的特征提取;基于3D卷积神经网络,对动作帧进行特征提取;基于对比学习的图卷积神经网络模型与3D卷积神经网络模型模型进行预训练;将3D卷积神经网络和图卷积神经网络提取的特征进行拼接,并利用时间卷积网络TCN对人员动作进行预测。本发明的技术方案克服现有技术中基于图卷积模型异常行为检测方法较为简单、算法准确率较低的问题。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
