基于轻量化卷积神经网络的人体动作识别

摘要：

针对传统卷积神经网络模型LeNet识别准确率低,占用内存大等问题,提出了一种基于轻量化卷积神经网络的人体动作识别模型(human activity recognition net,HARNet).首先,利用MobileNetV2模型参数量和计算量小的特点,利用迁移学习方法,将预训练好的权重参数迁移到MobileNetV2模型中,最后添加全连接层构建了 HARNet,实现了对日常行为动作的准确识别和分类.实验结果表明,该模型动作识别平均准确率可达89％,相比于传统卷积神经网络LeNet,准确率更高,且训练好的模型内存大小仅8.97 MB,验证了该模型的有效性.

关键词：轻量化卷积神经网络、人体动作识别模型、准确率

所属期刊栏目：38

分类号：TN957.51

在线出版日期：2023-08-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：22-26