一种基于深度学习的儿童多动症行为特征识别算法

摘要

本发明公开了一种基于深度学习的儿童多动症行为特征识别算法，涉及识别算法技术领域。本发明包括以下步骤：步骤1：在待识别儿童动作的持续时间内，对动作图像数据集的获取并进行预处理；步骤2：将步骤1中的获取的数据集分别输入VGG16、ResultNet50和Inception‑V4卷积神经网络进行分类识别；步骤3：通过全局平均池化操作处理VGG16、ResultNet50和Inception‑V4三个卷积神经网络的最后一层卷积特征；步骤4：通过特征拼接计算VGG16、ResultNet50和Inception‑V4卷积神经网络的注意力融合权重；步骤5：通过内积操作将注意力融合权重和三个所述模型的特征值进行融合。提高识别的结果的精确度，能够有效的提高识别的精确度，辅助医疗工作者完成儿童多动症的初步诊断。