一种基于深度多任务学习的简单-复杂活动协同识别方法

摘要

本发明公开了一种基于深度多任务学习的简单‑复杂活动协同识别方法，包括：1)对原始活动数据进行时间窗口划分，获得简单和复杂活动样本，其中一个复杂活动样本由多个简单活动样本组成；2)利用CNN网络提取简单活动特征，并建立简单活动分类器；3)利用LSTM网络提取复杂活动时序特征，并建立复杂活动分类器；4)两个分类任务共享CNN层和简单活动特征层，利用共享结构协同训练简单和复杂活动分类器。5)利用训练好的简单和复杂活动分类器识别待测活动数据的简单活动和复杂活动的概率。本发明利用深度学习和多任务学习进行简单‑复杂活动协同识别，在医疗保健、工业辅助、技能评估等领域具有广阔的应用前景。