运动数据处理方法、关键帧提取模型的训练方法及装置

文档序号:37768075发布日期:2024-04-25 10:54阅读:来源:国知局

技术特征:

1.一种运动数据处理方法,其特征在于,包括:

2.一种关键帧提取模型的训练方法,其特征在于,应用于权利要求1所述的运动数据处理方法,包括:

3.根据权利要求2所述的关键帧提取模型的训练方法,其特征在于,所述根据每个所述训练数据帧作为关键帧时的决策价值选取关键帧,包括:

4.根据权利要求2所述的关键帧提取模型的训练方法,其特征在于,所述根据所述训练状态和所述更新状态计算所述关键帧的决策奖励,包括:

5.根据权利要求4所述的关键帧提取模型的训练方法,其特征在于,所述训练数据帧中包括多个关键点;计算重建误差的步骤包括:

6.根据权利要求2所述的关键帧提取模型的训练方法,其特征在于,所述根据所述单元训练数据和所述关键帧的决策奖励计算损失值,包括:

7.根据权利要求6所述的关键帧提取模型的训练方法,其特征在于,所述单元训练数据存储在回放缓存中,所述回放缓存包括缓存容量;所述方法还包括:

8.根据权利要求1至7中任一项所述的关键帧提取模型的训练方法,其特征在于,所述获取训练数据集之前,还包括:

9.一种关键帧提取模型的训练装置,其特征在于,应用如权利要求2至8中任一项所述的关键帧提取模型的训练方法,包括:

10.一种电子设备,其特征在于,包括存储器、处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求2至8中任一项所述的关键帧提取模型的训练方法。

11.一种计算机可读存储介质,其特征在于,所述存储介质存储有程序,所述程序被处理器执行实现如权利要求2至8中任一项所述的关键帧提取模型的训练方法。


技术总结
本申请公开了运动数据处理方法、关键帧提取模型的训练方法及装置,涉及计算机技术领域。运动数据处理方法中首先获取包括多个数据帧的运动序列,然后将运动序列输入预先训练的关键帧提取模型进行关键帧提取,得到目标关键帧。其中,关键帧提取模型为深度强化学习模型,用于计算每个数据帧对应的回报值,并给予回报值选取目标关键帧。最后利用目标关键帧对运动序列中其他数据帧进行重建,得到数据帧对应的重建帧,并给予重建帧和目标关键帧得到运动序列的重建序列。由此通过深度强化学习模型对运动序列进行关键帧提取,基于数据帧的回报值选取目标关键帧,即可根据目标关键帧对运动序列进行重建,有效提高关键帧的提取效率和准确率。

技术研发人员:张栩凌,张子儒,王宇阳,许彬
受保护的技术使用者:香港科技大学(广州)
技术研发日:
技术公布日:2024/4/24
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1