一种针对行为识别的基于自监督少样本学习的动作序列分割方法

摘要

本发明属于传感器动作识别技术领域，公开一种针对行为识别的基于自监督少样本学习的动作序列分割方法，包括：构建自监督的少样本动作序列分割框架SFTSeg；该框架基于孪生神经网络，以大量源传感器的标记样本、少量目标传感器的标记样本、目标传感器的未标记样本作为输入数据；分别构建交叉熵损失函数、一致性正则化损失函数和自监督损失函数进行孪生神经网络训练；然后使用训练好的SFTSeg进行状态标签预测及活动分割。本发明在不同场景的不同传感器下，均有良好活动分割效果，且仅需很少的目标传感器标记样本即可达到良好活动分割效果。