10.16208/j.issn1000-7024.2023.01.038
基于双注意力时间卷积网络的人体行为识别
为解决TCN使用可穿戴传感器数据进行人体行为识别准确率不高的问题,提出适用于可穿戴传感器数据的双注意力时间卷积网络的人体行为识别模型.为TCN引入两类不同的注意力模块,提取与当前行为高度相关的深层特征.利用LN层代替TCN中残差模块的WN层,优化模型的残差结构.创新性地应用三元组损失函数区分高相似传感器数据的异类行为.实验结果表明,在公共人体行为数据集PAMAP2上采用该模型的识别准确率高达98.25%,相较原始TCN模型提升了5.28%.
可穿戴传感器、人体行为识别、时间卷积网络、注意力机制、三元组损失函数
44
TP183(自动化基础理论)
陕西省重点研发计划基金项目2019NY-164
2023-02-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
284-291