[发明专利]一种动作检测网络的训练方法及装置

说明书

本申请公开一种动作检测网络的训练方法及装置，包括：利用待训练网络的门控循环网络结构，确定标注样本对应的第一特征向量；利用所述待训练网络的卷积网络结构，确定所述第一特征向量对应的第二特征向量；利用所述待训练网络的全连接结构，确定所述第二特征向量对应的预测结果；根据所述预测结果，和所述标注样本对应的标注信息，对所述待训练网络进行数据训练；将完成所述数据训练的所述待训练网络确定为动作检测网络。

技术领域

本申请涉及神经网络技术领域，尤其涉及一种动作检测网络的训练方法及装置。

背景技术

随着人们在日常生活中，对手机等智能设备的依赖程度越来越高，使用时间越来越长，也为生活健康带来了一定隐患。在使用过程中，通过智能设备内置的传感器检测用户动作、分析用户行为，能够一定程度上引导用户健康使用。

现有技术中，基于传感器采集得到的传感数据对用户动作进行检测，往往依靠研发人员的经验。即根据经验分析，用户在特定场景下进行特定动作时，传感数据可能呈现何种数据形态，从而发掘其中规律。进而通过此规律完成动作检测。

不过上述方式的缺陷在于，智能设备的型号不同，传感器的敏感程度不一致，导致采集得到的传感数据规律性不够明确，难以通过人工进行全面的分析。以至于对于动作检测的准确性无法得到保障。

发明内容

本申请提供一种动作检测网络的训练方法及装置。

第一方面，本申请提供一种动作检测网络的训练方法，包括：

利用待训练网络的门控循环网络结构，确定标注样本对应的第一特征向量；所述标注样本包括：运动加速度数据、重力加速度数据和标注信息；所述标注信息包括，场景标签和行为标签；

利用所述待训练网络的卷积网络结构，确定所述第一特征向量对应的第二特征向量；

利用所述待训练网络的全连接结构，确定所述第二特征向量对应的预测结果；

根据所述预测结果，和所述标注样本对应的标注信息，对所述待训练网络进行数据训练；将完成所述数据训练的所述待训练网络确定为动作检测网络。

优选的，所述卷积网络结构包括，卷积层和最大池化层；所述利用所述待训练网络的卷积网络结构，确定所述第一特征向量对应的第二特征向量包括：

将所述第一特征向量输入所述卷积网络结构，以使所述第一特征向量经过所述卷积层和所述最大池化层，以确定所述第二特征向量。

优选的，所述第一特征向量经过所述卷积层和所述最大池化层包括：

所述第一特征向量单次经过所述卷积层和所述最大池化层；

或者，所述第一特征向量多次经过所述卷积层和所述最大池化层。

优选的，所述根据所述预测结果，和所述标注样本对应的标注信息，对所述待训练网络进行数据训练包括：

根据所述预测结果和所述标注样本对应的标注信息，确定目标损失函数；

利用所述目标损失函数对所述待训练网络进行数据训练。

优选的，所述根据所述预测结果和所述标注样本对应的标注信息，确定目标损失函数包括：

利用所述预测结果、所述场景标签和所述行为标签，确定第一损失函数；

利用所述预测结果和所述场景标签，确定第二损失函数；

利用所述预测结果和所述行为标签，确定第三损失函数；

根据所述第一损失函数、所述第二损失函数和所述第三损失函数，确定所述目标损失函数。

第二方面，本申请提供一种动作检测方法，包括：