10.3969/j.issn.1671-7449.2016.01.004
基于随机Dropout卷积神经网络的人体行为识别方法研究
为进一步提高卷积神经网络在训练样本较少时的泛化能力,使其能更好地应用于视频中人体行为的识别问题,本文将随机Dropout应用于卷积神经网络模型的分类器阶段.该方法可以在网络训练过程中随机选择“冻结”一定比例神经元,使每次网络更新时神经元的连接次序发生变化,由此网络权值的更新不再依赖于有固定关系隐含节点的共同作用.在Weizmann数据集上进行实验,将加入随机Dropout的卷积神经网络与未加入的进行比较,发现加入随机Dropout的网络在各类行为识别上均取得了较高的识别率,可以有效防止过拟合.
卷积神经网络、人体行为识别、深度学习、Dropout
30
TP183(自动化基础理论)
山西省科技攻关计划工业资助项目2015031003-1
2016-06-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
17-22