10.16208/j.issn1000-7024.2018.01.042
基于深度卷积限制玻尔兹曼机的步态识别
传统的步态识别方法难以得到有效的步态特征,而深度学习方法可以通过学习自动获得特征,然而现有的深度学习模型用于步态识别时存在一些问题.深度卷积神经网络训练速度快,但训练精度较低;深度置信网络模型精度较高,但模型收敛速度较慢.针对这两种模型的特点,提出一种两者平衡的算法模型,即深度卷积限制玻尔兹曼机.将卷积神经网络中权值共享、提取图像局部特征等方面的优势融入深度玻尔兹曼机模型中,提高训练精度,减少参数数量.所提算法在CASIA步态数据库上的实验结果验证了该算法在步态识别问题上的有效性和可行性.
步态识别、深度卷积限制玻尔兹曼机、深度卷积神经网络、限制玻尔兹曼机、CASIA步态数据库
39
TP181(自动化基础理论)
北京自然科学基金重点基金项目B类KZ201410011014;教育部人文社会科学研究规划基金项目16YJAZH072
2018-04-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
244-248